社交网络中影响力最大化研究与应用

发布时间：2021-08-30 13:40

　　社交网络分析是近年来的研究热点,社交网络影响力最大化和信息传播预测是其两个重要的研究方向。前者旨在社交网络中寻找k个影响力比较大的个体,使它们影响力的扩散范围能够达到最大;后者从已知的信息传播数据出发,结合信息传播的影响因素,通过分析已获得的实际传播数据来预测将来信息传播的情况。在影响力最大化方面,目前的研究分为两个方向:贪心算法的改进和启发式算法的研究。贪心算法虽然经过了数次优化,但是时间复杂度仍然过高,不适用于大型社交网络;而现在的大多数启发式算法仅仅考虑节点本身的影响力,而忽略了其所在的环境,算法效果还存在提升空间。在信息传播预测方面,目前的研究对象主要集中在微博、Twitter等某个社交应用中,而适用于一般社交网络的算法效果往往不理想或者计算方法极为复杂,不适合对信息的传播做出实时预测。本文提出了一种基于最短路径的影响力最大化算法。首先,该算法将节点到附近有限节点的最短路径之和作为中心性指标,既降低了时间复杂度,又考虑了节点在局部范围的影响力;其次,该算法将网络中的最大度值作为有限节点的数量,使中心性指标适配不同网络的规模和特性;最后,该算法利用删除种子节点的邻居节点来避免富人... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

海豚网社交关系示意图

工程硕士专业学位论文网络 G 的最大度值，j 为节点iv 正在遍历的层数，，L(Nj)为集合jN中节点的个数。因此，r 的大小为节径。在确定 r 的值的同时，也找到了距节点iv 最近的的中心性值计算公式如下：(a)的示例网络，共有 25 个节点，最大度值为 14，平均平均度的 4 号节点为例示范中心性指标的计算。r-1 r-1j jj=1 j=1F(i)= L(N ) j +(D - L(N ) ) r11

由于复杂网络，尤其是社交网络的拓扑结构具有小世界特性和无标度特性，因此社交网络中影响力较大的节点往往聚集在一起，形成了我们通常所说的网络核心，也很容易就出现富人俱乐部现象。定义 1 富人俱乐部：社交网络中包含有少量的度值很大的节点，被称为“富节点”，这些富节点之间有很大的概率互为邻居或者次邻居，构成了富人俱乐部[60]。在影响力最大化的研究中，富节点本身拥有较强的影响力，因此众多影响力最大化算法会将大量的富节点选为种子节点，这可能会导致种子集合出现富人俱乐部现象，使种子节点的传播范围相互覆盖，不能达到预期的效果。为了避免富人俱乐部现象，同时又要选出影响力较大的节点，本文算法采用了去邻居的方法。定义 2 去邻居：在选出一个种子节点后，将该种子节点的所有邻居节点从候选种子节点的集合中删除。1111

【参考文献】：
期刊论文
[1]网络重要节点排序方法综述[J]. 任晓龙,吕琳媛.  科学通报. 2014(13)
[2]新浪微博网信息传播分析与预测[J]. 曹玖新,吴江林,石伟,刘波,郑啸,罗军舟.  计算机学报. 2014(04)
[3]基于代理的社会网络信息传播与控制模型[J]. 徐名海,糜正琨,司亚雄.  中兴通讯技术. 2014(01)
[4]媒体作用下互联网舆情话题传播模型研究[J]. 朱恒民,刘凯,卢子芳.  现代图书情报技术. 2013(03)
[5]基于在线社交网络的信息传播模型[J]. 张彦超,刘云,张海峰,程辉,熊菲.  物理学报. 2011(05)
[6]基于完全级联传播模型的社区影响最大化[J]. 冀进朝,韩笑,王喆.  吉林大学学报(理学版). 2009(05)



本文编号：3372879