基于社区发现的社交网络影响力最大化算法研究

发布时间：2022-07-19 17:36

　　互联网技术的发展以及大量社交平台的出现,使得对社交网络的研究也引起学者的广泛关注。而社交网络的影响力最大化分析则是其中的一个研究热点,找到社交网络中小部分具有较大影响力的节点,在一定的影响力传播模型下,这些种子节点将影响力在网络中传播开来,从而最终影响到更多的其他节点。社交网络影响力分析在广告营销、舆情预测与监控等实际场景中都具有重要的作用。目前的影响力最大化算法主要分为启发式算法和贪心算法两大类。前者在时间复杂度上友好,但是挖掘的种子节点质量不高,影响范围没有理论上的保证。后者虽然能够保证种子节点的质量,但是时间复杂度过大,也不适用于当前的大型社交网络中的影响力节点挖掘。从降低时间复杂度和保证最终影响范围的角度考虑,将社区结构这一社交网络具有的重要属性引入影响力最大化分析中。首先,给出了一种改进的标签传播的社区发现算法,能够解决传统的标签传播算法存在的社区发现结果不稳定的缺点。其次,给出了启发式和贪心算法相结合的社交网络影响力最大化算法。首先利用网页排名算法对每个社区内部的节点计算潜在影响力,然后筛选出每个社区内具有高潜在影响力的部分节点,并使用贪心算法进行进一步筛选,从而挖掘出社区... 

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

社交网络示意图

Zachary数据集上社区发现结果的NMI值

Football数据集上社区发现结果的NMI值

【参考文献】：
期刊论文
[1]基于PageRank的网络社区意见领袖发现算法[J]. 周飞,高茂庭.  计算机工程. 2018(02)
[2]度中心性节点局部扩展的社区发现算法[J]. 赵卫绩,田雨,王铁滨,刘井莲.  计算机与数字工程. 2017(11)
[3]在线社交网络的拓扑结构与信息传播机制综述[J]. 田燕,张新刚.  长沙大学学报. 2016(02)
[4]社交网络研究综述[J]. 李立耀,孙鲁敬,杨家海.  计算机科学. 2015(11)
[5]社交网络结构特性分析及建模研究进展[J]. 许进,杨扬,蒋飞,金舒原.  中国科学院院刊. 2015(02)
[6]基于信息扩散的多尺度重叠社团快速探测算法[J]. 李慧嘉.  计算机科学. 2014(09)
[7]国外社交网络研究热点与前沿[J]. 宗乾进,袁勤俭,沈洪洲.  图书情报知识. 2012(06)
[8]基于阈值的社交网络影响力最大化算法[J]. 陈浩,王轶彤.  计算机研究与发展. 2012(10)
[9]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)
[10]社会网络中基于标签传播的社区发现新算法[J]. 赵卓翔,王轶彤,田家堂,周泽学.  计算机研究与发展. 2011(S3)

博士论文
[1]社会网络信息传播与影响力最大化研究[D]. 张伯雷.南京大学 2016

硕士论文
[1]基于k-shell的复杂网络影响力最大化算法研究[D]. 曹迪.燕山大学 2017
[2]基于社区结构的Top-K影响力节点发现算法研究[D]. 赵倩.华中科技大学 2015
[3]微博用户的影响力分析[D]. 陈灿.山东大学 2013



本文编号：3663849