社交网络中基于信息词频和节点相似度的影响最大化算法

发布时间：2018-01-15 03:34

本文关键词：社交网络中基于信息词频和节点相似度的影响最大化算法　出处：《小型微型计算机系统》2017年02期 　论文类型：期刊论文

【摘要】：深入挖掘社交网络中传播力较强的个体,并利用其进行产品营销往往会达到事半功倍的效果,影响最大化问题就是在特定社交网络中寻找影响力较大的个体.为了更加准确的评估影响力,本文不仅从节点相似度方面进行改进,而且从信息内容本身出发,基于信息在社交网络中的传播,结合信息词频等信息自身特点来刻画节点的影响力,提出了基于信息词频和节点相似度的影响最大化算法(IMFS,Influence Maximization algorithm based on term Frequency and node Similarity).随后,在真实的社交网络中对该算法进行了实验,并与传统的影响最大化算法对比,实验结果表明由IMFS得到的集合的影响范围大于其他启发式算法的结果,同时算法的运行速度也有相应的提高,说明了本文提出的算法是解决影响最大化问题的有效算法.
[Abstract]:In order to get more accurate assessment influence , this paper not only improves the degree of node similarity , but also proposes the influence maximization algorithm based on information word frequency and node similarity ( IMFS , Influence Maximization algorithm based on term frequency and node frequency ) . Then , in the real social network , the algorithm is tested , and compared with the traditional influence maximization algorithm , the experimental results show that the influence range of the set obtained by IMFS is larger than that of other heuristic algorithms , and the operating speed of the algorithm is improved correspondingly . The algorithm proposed in this paper is an effective algorithm to solve the problem of maximizing the influence .

【作者单位】：华东师范大学计算机科学技术系;
【基金】：国家自然科学基金项目(61502170)资助
【分类号】：TP393.09
【正文快照】： 1概述社交网络是指社会中个体与个体之间通过特定关系,如朋友关系、论文作者间文章引用关系等形成的复杂网络关系,这种复杂的网络关系成为信息传播和扩散的载体,对信息的传播有非常重要的影响,也为“病毒式营销”提供了途径.在社交网络中,信息所能影响的范围是指转发这条信息

【相似文献】