异质信息网络中基于网络嵌入的影响力最大化
针对当前大部分影响力最大化算法忽略了异质信息网络包含多种节点类型和多种关系类型,且不同类型节点在原始空间无法直接度量的问题,提出了一种异质信息网络中基于网络嵌入的影响力最大化模型(in-fluence maximization based on network embedding,IMNE),用于选择初始扩散节点实现影响力最大化.该模型不仅可以在对异质信息网络进行编码的同时表征异质信息网络中潜在的信息,还可以捕获不同类型节点间影响力的不确定和复杂性.在3个真实数据集上的实验验证了IMNE算法的有效性.
异质信息网络;同质信息网络;影响力最大化;信息扩散;网络嵌入;直接影响力;间接影响力;全局影响力
16
TP391(计算技术、计算机技术)
国家自然科学基金项目;国家社会科学基金项目;云南省高等学校科技创新团队项目IRTSTYN;云南省教育厅科学研究基金项目
2021-09-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
757-765