社会网络中节点集的影响力最大化问题研究
发布时间：2020-12-06 16:22
移动互联网、社交网络愈发深刻地融入到人们的日常生活,特别是发展势头猛烈的网络社交平台,对社会交往模式和信息传播方式的改变起到了重要的作用。在口碑营销中,商家常常选取具有影响力的节点作为种子用户,通过种子节点去传播商家的产品,促使更多的消费者知晓并购买商家的产品。将该营销模式映射到网络环境中,能够通过种子节点实现信息传播范围的最大化。在社会网络中,种子节点的影响力对网络舆情的控制、谣言传播的爆发等有着重要的作用。因此在社会网络环境下,针对节点的影响力最大化问题的研究具有重大的理论和现实意义。社会网络影响力最大化问题通常从算法和模型两方面进行研究,本文通过深入分析几年来该问题的研究成果,对现有的工作进行了改进,并通过真实数据集验证了所提算法的有效性。本文的研究成果主要体现在以下几个方面:（1）为了研究网络中子群结构对信息扩散的影响,本文提出了一种基于控制扩散成本的k-核精炼算法。该算法对节点在kmax-核和(kmax-1)-核的节点邻居重叠分析对kmax-核进行了范围精炼。该算法解决了kmax-核内影响...
【文章来源】：山东师范大学山东省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
三种规则网络
为利用递归方法依次删除网络中度值小于或者等于 k 的节点，直至所有节点都被遍历一遍为止。给定无向网络 G=(V，E)。其中 V 代表节点集合，E 代表边集合。假设初始网络中 V=N，E=M，即网络 G 是由 N 个节点和 M 条边组成的一个无向网络，其中 ks值代表了 k-壳数。k-核具体分解过程如下：步骤(1)：首先删除度值 k=1 的节点。初始删除 k=1 的节点后，网络中可能依然存在度值 k=1 的节点，此时继续删除，直至剩余节点的度值 k>1 为止。如图 3.1 所示，采用黑箱理论去解析 k 核分解过程，假设网络由矩形黄色区域和节点 A，B 组成，其中矩形黄色区域内的节点都有二阶邻居节点，蓝色区域表示推理。初始分解删除节点 B 后，由于 A 节点的度值依然为 1，因此继续删除节点 A。因此在执行 k-核分解的第一步后，网络输出的应为矩形黄色区域而非矩形黄色区域和节点 A。步骤(2)：继续删除度值 k=2 的节点，迭代过程与步骤(1)相同。步骤(3)：依次将 k 值增加 1，直至所有节点被遍历依次，分解过程结束。
为利用递归方法依次删除网络中度值小于或者等于 k 的节点，直至所有节点都被遍历一遍为止。给定无向网络 G=(V，E)。其中 V 代表节点集合，E 代表边集合。假设初始网络中 V=N，E=M，即网络 G 是由 N 个节点和 M 条边组成的一个无向网络，其中 ks值代表了 k-壳数。k-核具体分解过程如下：步骤(1)：首先删除度值 k=1 的节点。初始删除 k=1 的节点后，网络中可能依然存在度值 k=1 的节点，此时继续删除，直至剩余节点的度值 k>1 为止。如图 3.1 所示，采用黑箱理论去解析 k 核分解过程，假设网络由矩形黄色区域和节点 A，B 组成，其中矩形黄色区域内的节点都有二阶邻居节点，蓝色区域表示推理。初始分解删除节点 B 后，由于 A 节点的度值依然为 1，因此继续删除节点 A。因此在执行 k-核分解的第一步后，网络输出的应为矩形黄色区域而非矩形黄色区域和节点 A。步骤(2)：继续删除度值 k=2 的节点，迭代过程与步骤(1)相同。步骤(3)：依次将 k 值增加 1，直至所有节点被遍历依次，分解过程结束。
【参考文献】：
期刊论文
[1]复杂网络上的演化博弈动力学——一个计算视角的综述[J]. 谭少林,吕金虎. 复杂系统与复杂性科学. 2017(04)
[2]复杂网络节点影响力测度及其最大化研究综述[J]. 张应青,罗明,李星. 现代情报. 2017(01)
[3]社会网络节点影响力分析研究[J]. 韩忠明,陈炎,刘雯,原碧鸿,李梦琪,段大高. 软件学报. 2017(01)
[4]基于启发式和贪心策略的社交网络影响最大化算法[J]. 曹玖新,闵绘宇,徐顺,刘波. 东南大学学报(自然科学版). 2016(05)
[5]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)
[6]复杂网络上流行病传播动力学的爆发阈值解析综述[J]. 李睿琪,王伟,舒盼盼,杨慧,潘黎明,崔爱香,唐明. 复杂系统与复杂性科学. 2016(01)
[7]基于OSN的谣言传播模型及影响力节点研究[J]. 蒙在桥,傅秀芬,陈培文,陆靖桥. 复杂系统与复杂性科学. 2015(03)
[8]TTRank:基于倾向性转变的用户影响力排序[J]. 段松青,吴斌,王柏. 计算机研究与发展. 2014(10)
[9]一种基于k-核的社会网络影响最大化算法[J]. 曹玖新,董丹,徐顺,郑啸,刘波,罗军舟. 计算机学报. 2015(02)
[10]在线社交网络影响力分析[J]. 吴信东,李毅,李磊. 计算机学报. 2014(04)
本文编号：2901678
【文章来源】：山东师范大学山东省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
三种规则网络
为利用递归方法依次删除网络中度值小于或者等于 k 的节点，直至所有节点都被遍历一遍为止。给定无向网络 G=(V，E)。其中 V 代表节点集合，E 代表边集合。假设初始网络中 V=N，E=M，即网络 G 是由 N 个节点和 M 条边组成的一个无向网络，其中 ks值代表了 k-壳数。k-核具体分解过程如下：步骤(1)：首先删除度值 k=1 的节点。初始删除 k=1 的节点后，网络中可能依然存在度值 k=1 的节点，此时继续删除，直至剩余节点的度值 k>1 为止。如图 3.1 所示，采用黑箱理论去解析 k 核分解过程，假设网络由矩形黄色区域和节点 A，B 组成，其中矩形黄色区域内的节点都有二阶邻居节点，蓝色区域表示推理。初始分解删除节点 B 后，由于 A 节点的度值依然为 1，因此继续删除节点 A。因此在执行 k-核分解的第一步后，网络输出的应为矩形黄色区域而非矩形黄色区域和节点 A。步骤(2)：继续删除度值 k=2 的节点，迭代过程与步骤(1)相同。步骤(3)：依次将 k 值增加 1，直至所有节点被遍历依次，分解过程结束。
为利用递归方法依次删除网络中度值小于或者等于 k 的节点，直至所有节点都被遍历一遍为止。给定无向网络 G=(V，E)。其中 V 代表节点集合，E 代表边集合。假设初始网络中 V=N，E=M，即网络 G 是由 N 个节点和 M 条边组成的一个无向网络，其中 ks值代表了 k-壳数。k-核具体分解过程如下：步骤(1)：首先删除度值 k=1 的节点。初始删除 k=1 的节点后，网络中可能依然存在度值 k=1 的节点，此时继续删除，直至剩余节点的度值 k>1 为止。如图 3.1 所示，采用黑箱理论去解析 k 核分解过程，假设网络由矩形黄色区域和节点 A，B 组成，其中矩形黄色区域内的节点都有二阶邻居节点，蓝色区域表示推理。初始分解删除节点 B 后，由于 A 节点的度值依然为 1，因此继续删除节点 A。因此在执行 k-核分解的第一步后，网络输出的应为矩形黄色区域而非矩形黄色区域和节点 A。步骤(2)：继续删除度值 k=2 的节点，迭代过程与步骤(1)相同。步骤(3)：依次将 k 值增加 1，直至所有节点被遍历依次，分解过程结束。
【参考文献】：
期刊论文
[1]复杂网络上的演化博弈动力学——一个计算视角的综述[J]. 谭少林,吕金虎. 复杂系统与复杂性科学. 2017(04)
[2]复杂网络节点影响力测度及其最大化研究综述[J]. 张应青,罗明,李星. 现代情报. 2017(01)
[3]社会网络节点影响力分析研究[J]. 韩忠明,陈炎,刘雯,原碧鸿,李梦琪,段大高. 软件学报. 2017(01)
[4]基于启发式和贪心策略的社交网络影响最大化算法[J]. 曹玖新,闵绘宇,徐顺,刘波. 东南大学学报(自然科学版). 2016(05)
[5]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)
[6]复杂网络上流行病传播动力学的爆发阈值解析综述[J]. 李睿琪,王伟,舒盼盼,杨慧,潘黎明,崔爱香,唐明. 复杂系统与复杂性科学. 2016(01)
[7]基于OSN的谣言传播模型及影响力节点研究[J]. 蒙在桥,傅秀芬,陈培文,陆靖桥. 复杂系统与复杂性科学. 2015(03)
[8]TTRank:基于倾向性转变的用户影响力排序[J]. 段松青,吴斌,王柏. 计算机研究与发展. 2014(10)
[9]一种基于k-核的社会网络影响最大化算法[J]. 曹玖新,董丹,徐顺,郑啸,刘波,罗军舟. 计算机学报. 2015(02)
[10]在线社交网络影响力分析[J]. 吴信东,李毅,李磊. 计算机学报. 2014(04)
本文编号：2901678
本文链接：https://www.wllwen.com/shekelunwen/shgj/2901678.html
