基于两阶段启发的社交网络影响最大化算法

• 作者: 刘成辉 杨书新 鲁纪华
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 社交网络 影响最大化 两阶段启发 线性阈值模型
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 2268-2274
• 页数: 7页
• 分类号: TP399
• 字数: 7502字
• 语种: 中文

摘要

社交网络中影响最大化问题的研究一直是社交网络分析的重点之一,其技术在人们生活的很多领域中具有应用价值.针对现有影响最大化算法存在时间复杂度高、算法精度低和不稳定的问题,文中利用线性阈值模型的能够将影响力累积的特性,提出一种基于度和影响力的混合启发式算法—DIH(Degree and Influence Heuristic)算法.该算法综合考虑网络的传播特性和结构特性,基于线性阈值模型将整个影响最大化计算分为两个启发阶段:首先进行度折启发,在激活节点的同时将节点的影响力积累,然后进行影响力启发,将度折启发期间积累的影响力爆发,从而激活更多的节点.为保证算法的效率,本文在影响力启发阶段设计了一种近似估计节点影响力的计算方法.最后,本文在三个不同的真实网络中验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨书新		37	168	7.0	10.0
2	刘成辉		1	4	1.0	1.0
3	鲁纪华		2	5	1.0	2.0