社会网中基于主题兴趣的影响最大化算法

摘要：

影响最大化问题是在社交网中寻找对传播项最具影响力的种集,使得传播项的传播范围最大.目前的研究只考虑了传播项上主题的分布,而忽略了用户本身的兴趣分布.在传播项的主题分布和用户的兴趣分布都被考虑的条件下,研究如何选取最具影响力的种集.首先提出了基于主题兴趣的独立级联传播模型TI-IC,并利用期望最大化算法求学习TI-IC模型参数;然后在TI-IC模型基础上提出了基于主题兴趣的影响最大化问题TIIM,并提出了求解TIIM问题的启发式算法ACG-TIIM.ACG-TIIM首先构造以每个用户为根的可达路径树,快速粗略预估每个用户的影响范围;然后根据预估的影响范围排序所有结点并选择少量结点作为候选种子;最后使用带有EFLF优化的贪心算法从候选种子中选择最具影响力的种集.多个真实数据集上的实验结果表明:在描述传播规律和预测传播结果方面,TI-IC模型优于经典的IC模型和TIC模型.ACG-TIIM算法可以有效并高效地求解基于主题兴趣的影响最大化问题.

关键词：社会网、影响最大化、主题分布、传播模型、期望最大化

所属期刊栏目：55

分类号：TP311.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目61370222,61602159;黑龙江省自然科学基金项目F201430;哈尔滨科技创新人才研究专项资金项目2017RAQXJ094;黑龙江省高校基本科研业务费专项资金HDJCCX-201608

在线出版日期：2019-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2406-2418