基于群集智能的社会网络影响力最大化问题研究

发布时间：2021-01-24 08:10

　　得益于因特网和Web2.0等技术的迅速发展,规模日益增长的社会网络已经成为个体之间交互的主要方式和信息传播的重要平台,人们正在将传统的线下生活中的信息流迁移到社会网络上进行高效率低成本的管理。网络个体节点在交互过程中会对其他邻域节点产生影响并重塑这些节点的情感、认知与行为等,进而引起网络拓扑结构的演变。因此,开展社会网络分析研究对于了解网络的统计特性、理解网络节点的行为特征、揭示网络的传播动力学规律、控制网络拓扑结构演化等具有重要意义。作为网络传播的重要研究内容之一,影响力最大化问题的目的在于采用一定的评估机制从给定网络中选取一组指定大小的影响力节点作为种子集合,在特定的级联传播模型下,使得该种子集合的影响力传播范围最大化。开展影响力最大化问题的研究不仅对丰富复杂网络理论研究具有重要的理论意义,而且在基于病毒式营销模式的产品推广、信息扩散等实际活动具有广阔的应用前景。现有影响力最大化算法在处理不同结构类型的网络时存在求解质量不稳定、可扩展性低等不足;在处理大规模社会网络时仍然面临着时间复杂度高、占用内存空间大等问题。为此,本文以社会网络为研究对象,首先深入分析了采用群集智能优化算法求解... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：150 页

【学位级别】：博士

【部分图文】：

6个规模不同的社会网络的节点度分布统计特征


本文编号：2996912