基于社区发现的影响力最大化算法研究
发布时间：2022-01-06 05:59
随着互联网迈入网络2.0时代,得益于社交网络的便利性,人们积极在社交平台上分享自己的日常活动,进而产生了大量数据。介于虚拟网络是真实世界的映射,所以分析社交网络对真实社会的影响有着长远而又实际的意义。目前,在影响力最大化算法中忽视了一种常见的社会现象:种子节点集合中具有重要影响力的节点可能会突然丢失,从而导致集合的影响力大打折扣。且现有的影响力最大化算法的求解过程存在大量重复的迭代操作,导致效率低下,运行时间长,已无法满足当今数据环境需求。另外,在现有的替补种子节点寻找算法中,诸多算法存在节点选择随机化、数据稀疏等诸多问题。针对以上问题,本文主要研究内容如下:（1）针对社交网络中社区影响力最大化算法效率低下的问题,本文提出基于社区划分的影响力最大化算法（Influence Maximization Algorithm Based on Community partition,IMBCP）。在IMBCP算法中,通过提出的IPS（base on Influence Probability and Similarity）算法来求解社交网络的社区机构,然后在社区结构中求解影响力最大化。IPS算...
【文章来源】：江苏大学江苏省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
复杂社交网络示意图
图 2.2 非重叠社区结构法认为在社交网络中，社区可以被看作是图的紧密子结构，社区算法来解决。图分割法将整个社交网络划分成若干个子网（社点数目相同。图分割法中代表性的算法主要有：KL（kernighan法[40]。KL 算法的具体流程为：首先是初始化，将图中的节点随；然后持续迭代互换 A 和 B 中的节点，记录增益函数 P 的变的两个节点。重复以上过程，直到某个社区中的所有节点都已分算法首先根据拉普拉斯矩阵特点，首先求出拉普拉斯矩阵的根据特征向量的正负性将图分为两个社区。须首先设定先验值，算法效率低下，而且同谱平分算法相同的区[41]。这些缺陷使得图分割算法实际应用场景稀少，应用范围
江 苏 大 学 硕 士 学 位 论 文针对 GN 算法存在的问题，提出了 Newman 算法[47]，提出了模块度的概念（Q 函数）。Newman 利用模块度来评估社区划分质量。Newman 算法首先对网络进行初始化，然后计算存在共同边的两个社区合并后 Q 函数的增量值 Q ，选择 Q 最大的两个社区进行合并。重复此过程，直到整个网络合并成为一个社区。2.1.2 重叠社区发现算法传统的社区划分算法认为一个节点只能属于一个社区，社区之间不存在共同节点。而在现实社会中，人是复杂多变的生命体。所以，在社交网络中，人们应该属于多个社区，这才是最符合现实情况的网络结构（如图 2.3）。本节将对重叠社区发现领域出现的部分算法进行简述。
【参考文献】：
期刊论文
[1]在影响力最大化问题中寻找种子节点的替补节点[J]. 马茜,马军. 计算机学报. 2017(03)
[2]基于标签传播概率的重叠社区发现算法[J]. 刘世超,朱福喜,甘琳. 计算机学报. 2016(04)
[3]社会网络中的影响力最大化问题[J]. 颜庆,张鹏. 计算机工程与科学. 2015(02)
[4]一种面向语义重叠社区发现的Block场取样算法[J]. 辛宇,杨静,谢志强. 自动化学报. 2015(02)
[5]在线社会网络中信息扩散[J]. 李栋,徐志明,李生,刘挺,王秀文. 计算机学报. 2014(01)
[6]一种新型的社会网络影响最大化算法[J]. 田家堂,王轶彤,冯小军. 计算机学报. 2011(10)
博士论文
[1]社会网络中的节点影响力度量和k-节点集的影响力最大化问题研究[D]. 马茜.山东大学 2017
[2]社会网络中信息传播若干关键技术研究[D]. 周东浩.国防科学技术大学 2015
硕士论文
[1]社会网络影响力最大化研究[D]. 刘振杰.安徽大学 2018
[2]基于线性阈值模型的社交网络影响力最大化研究[D]. 郭振强.哈尔滨工业大学 2017
[3]基于线性阈值模型的社交网络影响最大化研究[D]. 翁旭.大连海事大学 2017
[4]社交网络中用户影响力的研究[D]. 刘金龙.北京邮电大学 2016
[5]社交网络影响力最大化的研究[D]. 王欢欢.南京航空航天大学 2016
[6]社交团体的网络影响力最大化研究[D]. 徐艮.华中科技大学 2015
[7]基于android的毕业设计管理系统的设计与实现[D]. 江林.电子科技大学 2015
[8]社会网络上的影响力最大化算法研究[D]. 兰如钦.北京交通大学 2011
本文编号：3571876
【文章来源】：江苏大学江苏省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
复杂社交网络示意图
图 2.2 非重叠社区结构法认为在社交网络中，社区可以被看作是图的紧密子结构，社区算法来解决。图分割法将整个社交网络划分成若干个子网（社点数目相同。图分割法中代表性的算法主要有：KL（kernighan法[40]。KL 算法的具体流程为：首先是初始化，将图中的节点随；然后持续迭代互换 A 和 B 中的节点，记录增益函数 P 的变的两个节点。重复以上过程，直到某个社区中的所有节点都已分算法首先根据拉普拉斯矩阵特点，首先求出拉普拉斯矩阵的根据特征向量的正负性将图分为两个社区。须首先设定先验值，算法效率低下，而且同谱平分算法相同的区[41]。这些缺陷使得图分割算法实际应用场景稀少，应用范围
江 苏 大 学 硕 士 学 位 论 文针对 GN 算法存在的问题，提出了 Newman 算法[47]，提出了模块度的概念（Q 函数）。Newman 利用模块度来评估社区划分质量。Newman 算法首先对网络进行初始化，然后计算存在共同边的两个社区合并后 Q 函数的增量值 Q ，选择 Q 最大的两个社区进行合并。重复此过程，直到整个网络合并成为一个社区。2.1.2 重叠社区发现算法传统的社区划分算法认为一个节点只能属于一个社区，社区之间不存在共同节点。而在现实社会中，人是复杂多变的生命体。所以，在社交网络中，人们应该属于多个社区，这才是最符合现实情况的网络结构（如图 2.3）。本节将对重叠社区发现领域出现的部分算法进行简述。
【参考文献】：
期刊论文
[1]在影响力最大化问题中寻找种子节点的替补节点[J]. 马茜,马军. 计算机学报. 2017(03)
[2]基于标签传播概率的重叠社区发现算法[J]. 刘世超,朱福喜,甘琳. 计算机学报. 2016(04)
[3]社会网络中的影响力最大化问题[J]. 颜庆,张鹏. 计算机工程与科学. 2015(02)
[4]一种面向语义重叠社区发现的Block场取样算法[J]. 辛宇,杨静,谢志强. 自动化学报. 2015(02)
[5]在线社会网络中信息扩散[J]. 李栋,徐志明,李生,刘挺,王秀文. 计算机学报. 2014(01)
[6]一种新型的社会网络影响最大化算法[J]. 田家堂,王轶彤,冯小军. 计算机学报. 2011(10)
博士论文
[1]社会网络中的节点影响力度量和k-节点集的影响力最大化问题研究[D]. 马茜.山东大学 2017
[2]社会网络中信息传播若干关键技术研究[D]. 周东浩.国防科学技术大学 2015
硕士论文
[1]社会网络影响力最大化研究[D]. 刘振杰.安徽大学 2018
[2]基于线性阈值模型的社交网络影响力最大化研究[D]. 郭振强.哈尔滨工业大学 2017
[3]基于线性阈值模型的社交网络影响最大化研究[D]. 翁旭.大连海事大学 2017
[4]社交网络中用户影响力的研究[D]. 刘金龙.北京邮电大学 2016
[5]社交网络影响力最大化的研究[D]. 王欢欢.南京航空航天大学 2016
[6]社交团体的网络影响力最大化研究[D]. 徐艮.华中科技大学 2015
[7]基于android的毕业设计管理系统的设计与实现[D]. 江林.电子科技大学 2015
[8]社会网络上的影响力最大化算法研究[D]. 兰如钦.北京交通大学 2011
本文编号：3571876
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3571876.html
