社交网络个性化影响传播问题的研究

发布时间：2020-04-06 01:21

【摘要】：随着科技的进步以及社交网络的不断发展,影响最大化问题逐渐成为了社交网络中的关键问题。而传统的影响最大化问题已经不能满足当前应用场景多样化的需求。因此个性化影响最大化作为社交网络影响最大化的一个分支出现在人们的面前。个性化影响最大化问题就是以特定的社交网络用户作为对象,挖掘使其受影响程度达到最大的初始影响传播用户集合。本文从传播模型的方面考虑,对个性化影响最大化问题展开了探究,分别提出了基于多重级联模型的影响最大化算法以及基于热传播模型的影响最大化算法。(1)基于多重级联模型的个性化影响最大化。多重级联模型是对传统独立级联模型的扩展,传统IC模型中用户的状态只有激活或者非激活两种,不能很好的模拟真实传播过程。多重级联模型中用户状态是被激活次数的累加和。本文研究多重级联模型下个性化影响最大化问题。给定社交网络和目标用户集合,个性化影响最大化问题的目的是找到最有影响力的k个种子节点,从种子节点开始传播,最终使目标用户被激活的总频次最大。本文提出基于多重级联模型的多目标影响最大化算法,目标用户被影响的频次作为衡量种子对目标用户的影响强度。使用广度优先遍历的方法限制传播步长。然后对候选用户进行聚类,以聚类中心为种子节点展开信息传播,最大程度的影响特定用户。实验结果表明,本文提出的基于多重级联模型的传播机制能够用相对较少的时间获得更广的传播范围。(2)基于热传播模型的个性化影响最大化。现有方法大多基于IC模型和LT模型,而这两个模型在对节点影响的预测都依赖蒙特卡洛模拟。为了避免蒙特卡洛模拟时间损耗以及更加贴切实际生活,本文将热传播模型引入到个性化影响最大化问题中,使用热量扩散过程来模拟信息影响的传播。本文用热能衡量对目标用户的影响强度,并对候选用户进行聚类,以聚类中心为种子节点展开信息传播,最大程度的影响特定用户。为进一步减少算法的时间,本文提出一个基于广度优先遍历的优化方法来缩小候选集合规模。实验结果表明,本文提出基于热传播模型的传播机制能够用更少的时间获得更广的影响传播范围。
【图文】：

社会网络,社交

黑龙江大学硕士学位论文第二章预备知识1 社交网络概述社交网络是指由个体之间的互动而形成的一种关系体系。社交网络又被称作网络，常常由有向图来表示，图中的节点表示用户，图中节点之间的边用来用户之间的关系。G(V,E)来表示一个有向图，V 为节点集，E 为边集。社交网络中个体之间是可以互相产生影响的，我们将不同个体间相互作用的力量叫做影响力。不同的人可以产生不同的影响力，不同的人对同一个人产影响力也是不同的。影响力在网络之间是可以传递的。如图 2-1 所示，节点H 为社交网络中的用户，节点之间的虚线代表着不同用户之间的关系，从图中显看出节点 A 为这个社交网络中影响力最大的用户。

级联模型,示例

黑龙江大学硕士学位论文性阈值模型简称为 LT 模型。在 LT 模型中，不同的节点激活同一个是独立的，而是一种累和的方式。只有当前节点的所有邻居节点的力之和大于其阈值，该节点才能被真正的激活。每个节点都有一个[0,1]，反映的是用户对传播实体的接受程度。每条边都有一个影响权响权重需满足∑u∈d_vWuv<=1,d_v 为节点 v 的入度节点集。T 模型的传播过程为：在时刻 t0,节点 v 被选取为种子节点，节点 v 被点从其所以激活状态的邻居节点接受的影响权重之和大于阈值θ，该。.热传播模型自然界中，热量往往由介质上温度相对较高的位置向温度较低的位置种物理现象，同样在社会网络中也具有类似的场景，信息同样由较早
【学位授予单位】：黑龙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：G206;TP393.09

【相似文献】