基于反向PageRank的影响力最大化算法

• 作者: 唐建新 张宪立 曹来成
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 影响力最大化 PageRank 度中心性 启发式算法 贪心算法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 96-102
• 页数: 7页
• 分类号: TP301.6
• 字数: 8196字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019061066

摘要

针对社会网络上的影响力最大化算法在大规模网络上难以同时满足传播范围、时间效率和空间效率要求的问题,提出一种混合PageRank和度中心性的启发式算法(MPRD).首先,基于PageRank,引入一种反向PageRank思想来评估节点影响力;然后,结合局部指标度中心性,设计一种混合的指标来评估节点的最终影响力;最后,通过相似性方法去掉影响力重合严重的节点,选出种子节点集.在6个数据集和两种传播模型上进行实验,实验结果表明,所提的MPRD在传播范围上优于现有的启发式算法,在时间效率上比贪心算法快四、五个数量级,在空间效率上优于基于反向抽样的IMM算法.所提的MPRD在处理大规模网络上的影响力最大化问题时能够取得传播范围、时间效率和空间效率的平衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹来成	兰州理工大学计算机与通信学院	15	37	4.0	5.0
2	张宪立	兰州理工大学计算机与通信学院	6	7	2.0	2.0
3	唐建新	兰州理工大学计算机与通信学院	4	13	3.0	3.0