社会网络影响力最大化算法及其传播模型研究

摘要

近年来，随着软件与硬件的飞速发展以及个人电脑和互联网的普及，基于熟人关系的网络如微信、基于同学关系的网络如人人网和基于关注关系的网络如微博等各类在线社交平台深受人们的喜爱并占据着人们几乎所有的业余时间，这些平台可以产生海量的数据，给社会网络分析带来了前所未有的机会，因此吸引了大批科研工作者对社会网络空间结构、传播规律等课题的研究和分析。其中，如何选择社会网络里影响力最大化的TOP-K节点及如何挑选社会网络传播模型这两个方向，成为了学术界研究的热门选择。本文首先在前人研究的基础上，对社会网络影响力最大化算法里现有的算法进行了改进;其次，详细分析了独立级联模型和线性阈值模型，并引入人们在第一次接收信息和以后再次接收信息时会有不同反应这一现象以及遗忘规律，提出了一种新型的社会网络传播模型。具体研究内容如下:
　　(1)基于三度影响力原则的线性衰减度中心性算法。根据三度影响力原则，影响力主要在三度分隔以内有效，超过三度分隔，影响力几乎趋近于0。因此线性衰减度中心性以节点在三度分隔以内的潜在影响力来衡量节点的实际影响力，且这种潜在影响力从源节点向外传播到距离为2时影响力衰减到原来的α倍，传播到距离为3时再次衰减β倍，其中0＜α，β＜1。计算出线性衰减度中心性之后，本文从3种不同的角度分别在4个公共数据集上验证了算法的有效性。
　　(2)混合式传播模型。真实的人际关系网络里存在着如下的事实:人们在第一次接触某些信息时，是否接受常常取决于信息本身;而在第一次拒绝之后，以后的每一次是否接受取决于以往所拒绝的人和现在推荐的人对其影响力的累积是否大于其自身的阈值，且累积的影响力遵循着遗忘规律会随着时间的推进而不断衰减。混合式传播模型尝试基于这些事实，吸收独立级联模型和线性阈值模型的精华，新提出一种更加符合社会网络影响力传播规律的传播模型，并以两种不同的验证方法在维基百科投票数据集上验证了混合式传播模型的有效性。

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 社会网络的定义

2．1．2 社会网络的静态结构特征

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 启发式算法

2．2．3 贪心算法

2．3 社会网络传播模型

2．3．1 社会网络的数学表示

2．3．2 独立级联模型

2．3．3 线性阈值模型

2．3．4 传染病模型

2．4 本章小结

第3章 基于三度影响力原则的线性衰减度中心性算法

3．1 三度影响力原则

3．2 线性衰减度中心性算法

3．2．1 算法基本思想

3．2．2 LDDC算法在海豚社会网络上的应用

3．2．3 LDDC算法有效性验证方法

3．3 LDDC算法实验及其结果分析

3．3．1 实验环境

3．3．2 实验数据集及其结果分析

3．4 本章小结

第4章 社会网络混合式传播模型

4．1 混合式传播模型介绍

4．1．1 算法基本思想

4．1．2 混合式传播模型的应用

4．2 混合式传播模型的实现

4．3 混合式传播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