节点传播能力的偏好随机行走的信息传播方法

发布时间：2022-01-10 18:15

　　随机行走是社交和生物系统中用来模拟传播过程的标准化工具,针对真实社交网络中任意程度的有偏随机行走过程和由优先转移概率定义的偏向性,提出了一种新的用于研究社交网络的影响力传播范围最大化的方法,称之为基于节点传播能力的偏向性随机行走的网络信息传播方法（DCID）,该方法随机从网络中选择一个信息传播源节点,使得该模型更加符合真实的社交网络;通过节点能承受的传播信息的内容量参数以及偏向性随机行走的参数来作为节点的优先转移概率;并通过影响力传播函数来衡量信息的影响力传播范围,以此达到信息传播范围的最大化。从真实的不同规模的社交网络中选定这两个参数值,并验证了提出的模型在不同规模社交网络中信息的覆盖率和算法运行时间的性能上有所提升。 

【文章来源】：计算机工程与应用. 2020,56(24)北大核心CSCD

【文章页数】：7 页

【部分图文】：

Facebook网络中C=1对应的不同α值的传播范围

从图1中可以看出C=1,α=-10时信息传播的范围最大，但是由于无法从一种固定的参数选取中确定这2个参数的值，因此又选取了C=2,α=-1、C=2,α=-5、C=2,α=-10以及C=2,α=-15得出在Facebook网络中信息传播的范围，如图2所示；最后选取了C=5,α=-1、C=5,α=-5、C=5,α=-10以及C=5,α=-15得出在Facebook网络中信息传播的范围，如图3所示。图3 Facebook网络中C=5对应的不同α值的传播范围

图2 Facebook网络中C=2对应的不同α值的传播范围从图1、图2和图3可以看出，首先C的值越大，信息传播的范围会越来越小，即当节点传播的信息量越大时，随着随机行走的步数增加时信息传播的范围会越来越小；其次在节点具有同样的传播能力下，当α=-10时，随着随机行走的步数增加，信息传播的范围达到最大。此时在Facebook网络中选取的参数为C=1,α=-10。

【参考文献】：
期刊论文
[1]基于属性约简集评价节点重要性研究[J]. 李云,马英红.  计算机工程与应用. 2019(05)
[2]基于Skip-gram模型的社区查询算法[J]. 廖宇,朱福喜,刘世超.  计算机工程与应用. 2018(08)
[3]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)



本文编号：3581187