基于LBSN交叉传播影响力最大化问题研究

发布时间：2021-06-25 06:11

　　随着在线社交网络（Online Social Network,OSN）的流行,例如微博、微信、Facebook、Twitter等,人们在互相通信的同时,每时每刻分享着身边发生的一切,基于社交网络平台产生的巨量数据给社会网络分析带来了前所未有的机遇,吸引了广大研究者对社交网络结构、传播规律、舆情分析等课题的研究。影响力最大化问题是社会网络研究中的重点问题之一。目前大部分对社交网络的研究只关注于在线社交网络,而忽略了现实世界传统的人际关系网络,影响力同时在线上虚拟网络和线下关系网络交叉传播更符合实际情况,线下关系网络是影响力传播的重要一环。本文以基于位置的社交网络LBSN为平台,通过定义人际近邻关系建立线上和线下的交叉联系提出一种交叉传播网络模型,并扩展IC传播模型提出针对交叉传播的影响力最大化问题;然后利用LBSN数据集中的位置属性提出基于相遇的人际近邻挖掘算法;最后扩展基于树的算法模型提出求解交叉传播的影响力最大化算法。本文选择具有代表性的Brightkite和Gowalla签到数据集作为真实的数据基础。真实数据集上的实验结果表明:影响力在交叉传播网络模型中传播效果优于传统在线网络模型... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

交叉传播过程

图 3-2 交叉网络响力最大化问题网络中，每个用户都有线上和线下两种状态存为线下节点集合，且 ，本文以独立级由于信息大多源于在线网络，所以本文选择在线节点集合，表示为 。基于交叉传播的影响力定一个交叉传播网络 ， 是上网络边和线下邻居边集合，代表用户之间的关一组线上初始节点集合 ，经 IC 模标用户 最多。on offV V =VonS[ ][ ] [ ]( )t ,tt ,t t ,tf pG V ,E ,E￠ ￠￠￠ ￠￠ ￠ ￠￠= Von on onS í V , S =k( )onsS

单次登录表示用户出现在某个位置，多次登得历史登录活动在挖掘地理朋友中存在重要价值来挖掘人际近邻关系。布勒的第一个地理定律“一切都与其他事物有关的联系更紧密。”[41]意味着地理距离越近，用户邻在社交网络关系预测研究中具有重要意义。本人际近邻的方法。模型常相遇的人们会有更多相似经历，交谈的机会更一段历史时间内相遇频率越高的用户越有可能在正如同事或同学关系，其生活轨迹几乎一致且频机漫步模型[42]，提出用户相遇模型，如图 3-4 所


本文编号：3248661