在线社交网络中代价限制的影响力传播最大化技术研究

摘要

随着QQ、微信等网络社交应用的迅速发展，在线社交网络中的信息传播技术和信息传播效果受到了越来越多的关注。信息传播的影响力最大化问题研究在社会网络中寻找具有给定节点数目的传播源节点集合，通过该集合中的节点能够使信息最终传播到网络中最广泛的人群。
　　传统的影响力最大化问题采用覆盖人数来评价影响效果，并未考虑用户是否为信息的传播目标，评价结果并不准确。面向目标人群的信息传播要求首先对网络用户的特征进行分析，本文提出了基于PageRank的用户特征标签重要性分析技术UWTA。该技术利用用户之间的关系网络，在用户之间建立PageRank投票模型来分析计算不同的特征标签对于用户的重要性。特征标签的重要性大小是本文判断用户是否为传播目标以及最终计算信息传播效果的指标。
　　在线社交网络中已有的信息传播模型在解决影响力最大化问题时具有很高的时间复杂度。为提高社交网络中信息传播模型的效率，本文对广泛使用的独立级联模型进行了分析研究，根据独立级联模型中信息传播的概率性特征提出了基于图精简的CGIC模型，提高了解决影响力最大化问题的效率。
　　实际应用中，信息传播是有一定代价的，解决影响力最大化问题的传统方法并未考虑代价因素。本文设计了一种采用CGIC模型的贪心策略BTIDM。该策略以用户的代价预算为限制条件，以信息在目标用户上的传播质量作为评价指标，采用CGIC模型寻找对目标用户影响力最大的传播源节点集合。
　　本文实验数据来自arXiv网站中的作者合作关系网并标注了作者领域标签。实验结果表明，本文提出的UWTA技术能够准确分析不同特征标签对用户的权重；在模型的时间复杂度方面，本文提出的CGIC具有更好的运行效率；在影响力传播的效果方面，本文提出的BTIDM方法能够在更好影响目标人群的同时把代价限制在更小范围。

目录

声明

第一章 绪论

1.1 研究背景

1.1.1 信息传播

1.1.2 在线社交网络

1.2 研究意义

1.3 相关工作

1.4 论文主要工作

1.5 论文组织结构

第二章 相关研究综述

2.1 在线社交网络中用户特征分析技术

2.2 在线社交网络中影响力最大化技术

2.2.1 影响力

2.2.2 在线社交网络中的信息传播模型

2.2.3 信息传播的影响力最大化策略

2.3 信息传播代价分析技术

2.4 本章小结

第三章 网络用户特征标签分析

3.1 基本概念与理论

3.1.1 用户特征

3.1.2 同质性

3.2 UWTA：基于PageRank的特征标签分析技术

3.2.1 PageRank算法介绍

3.2.2 基于Pagerank的用户标签重要性分析

3.3 实验及结果分析

3.3.1 特征标签重要性

3.3.2 特征标签纠错性能分析

3.4 本章小结

第四章 代价限制的影响力传播最大化技术

4.1 基于图精简的CGIC传播模型

4.1.1 信息传播模型的基本思想

4.1.2 基于图精简的CGIC传播模型

4.2 BTIDM：代价限制的影响力最大化方法

4.3 实验及结果分析

4.3.1 实验设计

4.3.2 模型效率分析

4.3.3 信息传播影响力分析

4.3.4 信息传播代价分析

4.4 本章小结

第五章 总结与展望

5.1 本文工作总结

5.2 下一步研究方向

致谢

参考文献

作者在学期间取得的学术成果