基于社区结构的网络影响力传播算法研究

摘要

近年来，随着互联网技术的日益普及，人们获取信息的途径也在发生着悄然变化，从最初的广播电视报纸，到如今的微博贴吧朋友圈。在线社会网络不断与传统人际网络相融合，产生海量数据，为社会网络分析带来了前所未有的机遇。大批科研工作者对社会网络影响力最大化、信息传播规律等课题进行深入研究与分析。其中，如何选择社会网络中最具影响力的前K个节点及如何构建准确的信息传播模型这两个方向，成为了社会网络领域的一个研究热点。本文首先在深入分析前人研究的基础上，针对现存社会网络影响力最大化算法所存在的问题，引入弱连带优势理论提出了一种改进的中心性算法。其次，详细分析了线性阈值模型，结合社会网络不同节点间的差异性，引入节点关联强度的概念及信息自身的引力特性，提出一种新型的社会网络传播模型。具体的研究内容如下:
　　(1)基于社区结构的关键节点中心性算法。结合网络社区结构特性，将边界节点及社区内部节点同时作为关键节点，来衡量其实际影响力。根据弱连带优势理论，内聚性很强的网络并不利于节点获取外部信息，因此考察连接不同社区的弱连带关系即边界节点的属性，有利于信息的跨区域传播;同时，选取社区内部最具影响力节点可以使信息在社区内快速传播。二者结合有利于信息在全网中的扩散。本文从3个不同方面分别在3个数据集上验证了算法的有效性。
　　(2)关联强度阂值模型。通过对线性阈值模型的深入研究发现，该模型中假设某一节点同一时刻受到来自其邻接节点的影响力值均相同。然而，在真实社会网络中，不同个体间存在着远近亲疏的关系，个体的差异性决定了节点受其邻居节点影响的差异性;同时，信息的传播效果与信息自身的吸引力密切相关。因此，本章提出一种基于LT模型的——关联强度阈值模型。该模型通过吸收线性阈值模型的优点，结合社会网络不同节点间的差异性，引入节点关联强度的概念及信息自身的引力特性，对线性阈值模型中的参数做了改进并提出了新的节点影响力的计算公式。

目录

声明

摘要

第1章 绪论

1．1 研究背景和选题意义

1．2 国内外研究现状

1．2．1 社会网络影响力最大化算法研究

1．2．2 社会网络传播模型研究

1．3 论文的主要研究内容

1．4 论文组织结构及内容安排

第2章 社会网络相关理论

2．1 社会网络基本概念

2．1．1 社会网络

2．1．2 社区结构

2．1．3 社会网络结构特征

2．2 社会网络影响力最大化算法

2．2．1 影响力最大化度量标准

2．2．2 贪心算法

2．2．3 启发式算法

2．3 社会网络传播模型

2．3．1 独立级联模型

2．3．2 线性阈值模型

2．3．3 SIR传染病模型

2．4 本章小结

第3章 基于社区结构的关键节点中心性算法

3．1 弱连带优势理论

3．2 基于社区结构的关键节点中心性算法

3．2．1 算法思想描述

3．2．2 KNC算法在Football数据集上的举例

3．2．3 KNC算法分析

3．3 算法实验

3．3．1 实验数据集

3．3．2 实验结果与分析

3．4 本章小结

第4章 基于线性阈值模型的关联强度阈值模型

4．1 关联强度阈值模型

4．1．1 模型基本思想

4．1．2 节点影响力计算公式

4．1．3 关联强度阈值模型传播过程

4．2 关联强度阈值模型举例

4．3 关联强度阈值模型实验及其结果分析

4．3．1 实验数据集

4．3．2 实验结果及其分析

4．4 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢