基于社区发现与独立级联模型的影响力最大化方法研究

发布时间：2021-04-30 06:37

　　随着互联网技术的蓬勃发展,各种在线社交媒体在网民生活所占的比重逐年上升,基于互联网的社交媒体正在潜移默化的改变着人们的生活,相比在日常生活中,用户经常更倾向于在诸如微博、微信、Twitter等社交媒体中发表自己的观点与看法。大量的时事、用户评论、以及用户间的关注,形成的虚拟社交网络中包含了海量的用户信息,吸引了很多学者开展研究,衍生出很多的研究方向,影响力最大化问题就是其中之一。影响力最大化问题是如何在社交网络中找到一些影响力较高的人,然后以这些人作为影响力传播的起始点,尝试将信息传播给尽可能多的人,其在病毒式营销、流行病控制、及评估复杂系统的级联故障等领域中有着广泛的应用。影响力最大化问题的关键是如何找到可以在社交网络将影响力传播给较多用户的那一小部分关键用户。如何选取这一小部分关键用户,目前的研究方向主要是分为两种:基于贪心策略的方法以及基于启发式的方法。前者可以获得较高的精度,但需要进行大量的蒙特-卡洛模拟,故而效率较低,后者主要利用社交网络的节点特性来快速的选取节点,但精度上丢失较多。本文的主要研究内容和创新点有:1、提出了一种新的基于社交网络的影响力最大化方法,通过合理利用了... 

【文章来源】：中央民族大学北京市 211工程院校 985工程院校

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 本文研究背景及意义
    1.2 国内外研究现状
    1.3 本文的研究内容
    1.4 本文的组织结构
第二章 相关理论基础
    2.1 社交网络的结构
    2.2 社交网络的统计特征
        2.2.1 节点度
        2.2.2 网络集聚系数
        2.2.3 平均路径长度
        2.2.4 介数
    2.3 影响力传播模型
        2.3.1 独立级联模型
        2.3.2 线性阈值模型
    2.4 影响力最大化贪心算法
        2.4.1 子模函数
        2.4.2 边际收益
        2.4.3 BasicGreedy算法
    2.5 影响力最大化启发式算法
    2.6 本章小结
第三章 对传统独立级联模型节点间影响概率的改进
    3.1 节点影响力估算
    3.2 引入用户交互次数的影响
    3.3 差异化影响概率
    3.4 独立级联模型节点间影响概率流程
    3.5 本章小结
第四章 基于群体发现与独立级联模型的影响力最大化方法
    4.1 群体发现算法
        4.1.1 Louvain群体发现算法
        4.1.2 Girvan-Newman社区发现算法
    4.2 反向可达节点索引方法
    4.3 基于随机游走的反向可达节点索引方法
    4.4 种子节点筛选
    4.5 时间复杂度分析
    4.6 本章小结
第五章 实验与分析
    5.1 实验数据
        5.1.1 数据获取
        5.1.2 数据预处理
    5.2 实验设计
        5.2.1 初始节点比例实验
        5.2.2 方法对比实验
    5.3 评价指标
    5.4 结果与分析
        5.4.1 初始节点比例实验结果
        5.4.2 基于社区发现与独立级联模型的影响力最大化方法实验结果
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
读研期间发表的学术成果



本文编号：3169033