影响力最大化
影响力最大化的相关文献在2010年到2022年内共计171篇,主要集中在自动化技术、计算机技术、信息与知识传播、系统科学
等领域,其中期刊论文86篇、会议论文3篇、专利文献93200篇;相关期刊47种,包括通信学报、计算机工程、计算机工程与设计等;
相关会议3种,包括信息系统协会中国分会第六届学术年会、第十二届(2017)中国管理学年会 、第29届中国数据库学术会议等;影响力最大化的相关文献由419位作者贡献,包括王志晓、仇丽青、沈海澜等。
影响力最大化—发文量
专利文献>
论文:93200篇
占比:99.90%
总计:93289篇
影响力最大化
-研究学者
- 王志晓
- 仇丽青
- 沈海澜
- 潘琰
- 邓晓衡
- 周丽华
- 曹德娟
- 芮晓彬
- 杨武
- 王巍
- 于金凤
- 周莲英
- 李卫民
- 桂劲松
- 玄世昌
- 苘大鹏
- 袁野
- 马玉亮
- 乐光学
- 刘维
- 吴安彪
- 吴海林
- 姜文君
- 张敦杰
- 徐晓东
- 朱锋
- 杨杰
- 林翔
- 花勇
- 范鑫
- 袁燕
- 贾玮
- 郑吉
- 陈伯伦
- 陈光鲁
- 陈昕
- 陈晋音
- 高菊远
- 于戈
- 于淼
- 伍伟丽
- 刘业政
- 刘佰龙
- 刘勇刚
- 刘学军
- 刘炜
- 刘盛华
- 刘闯
- 吕继光
- 吴旭
-
-
杨杰;
张名扬;
芮晓彬;
王志晓
-
-
摘要:
影响力最大化是社交网络分析中的一个重要问题,旨在挖掘可以使得信息在网络中传播范围最大化的一小组节点(通常称为种子节点)。基于网络拓扑结构的启发式影响力最大化算法通常仅考虑某单一的网络中心性,没有综合考虑节点特性和网络拓扑结构,导致其效果受网络结构的影响较大。为了解决上述问题,提出了一种融合覆盖范围和结构洞的影响力最大化算法NCSH。该算法首先计算所有节点的覆盖范围和网格约束系数;然后通过覆盖范围增益最大原则选择种子节点;其次,若存在多个节点增益相同,则按照网格约束系数最小原则选取;最后,重复上述步骤直至选出所有种子节点。NCSH在不同种子数量和不同传播概率条件下,在六个真实网络数据集上均保持着优异的效果,在影响力传播范围方面,比同类的基于节点覆盖范围的算法(NCA)平均提高了3.8%;在时间消耗方面,比同类的基于结构洞和度折扣的最大化算法(SHDD)减少了43%。实验结果表明,NCSH能有效解决影响力最大化问题。
-
-
魏鹏;
马玉亮;
袁野;
吴安彪
-
-
摘要:
影响力最大化IM问题旨在查找社交网络中的一组用户,通过这些用户,使信息在网络中传播的范围最大化。现有研究主要关注静态网络中的IM问题,然而在现实生活中,社交网络是不断演化的,基于静态网络的传播模型(如独立级联模型、线性阈值模型)无法适用于演化网络中的信息传播过程。同时,现有研究忽略了用户行为对信息传播的影响。因此,针对该问题,提出了一种用户行为驱动的独立级联BDIC传播模型,该模型主要根据用户行为对信息的传播过程进行建模,可有效刻画演化社交网络中的信息传播过程。在该模型的基础上,提出了用户行为驱动的影响力最大化算法,主要包括3个步骤:首先,建模消息传播过程,计算演化社交网络中的信息传播概率;然后,提出一种用户行为驱动的反向影响力采样方法,有效查询单个时间点下的种子用户;最后,设计一种不同时间节点(时间序列)下的种子节点查询方法,有效反映演化社交网络中种子节点动态变化的特性。为了评估所提算法的有效性,设计了种子节点与受影响节点的相似度对比方法。通过大量真实数据集上的实验,验证了信息传播概率算法的高效性和扩展性,证明了相比普通的独立级联模型,BDIC模型能更好地建模演化社交网络中的信息传播过程。
-
-
李阳
-
-
摘要:
在社交网络的发展过程中,影响力最大化问题得到学术界和产业界的普遍关注,在政务发布、信息扩散、市场营销等场景中得到了广泛应用,在理论研究和实际应用中得到了系统探讨.研究者们最初从拓扑结构入手,随后在计算最优解的贪心算法的逐渐优化中取得了一系列的研究成果;还有研究者从启发式算法入手,不断在提升算法可扩展性和维持传播稳定性之间进行改进.通过对相关研究方法进行分类梳理,对影响力最大化问题的未来深化领域进行了展望.
-
-
吴晴晴;
周丽华;
寸轩懿;
杜国王;
姜懿庭
-
-
摘要:
针对异质信息网络中的影响力最大化(IM)问题,提出了一种基于有向无环图(DAG)的影响力最大化算法(DAGIM)。首先基于DAG结构度量节点的影响力,然后采用边际增益策略选择影响力最大的节点。DAG结构表达力强,不仅描述了不同类型节点之间的显性关系,也刻画了节点之间的隐性关系,较完整地保留了网络的异质信息。在三个真实数据集上的实验结果验证所提DAGIM的性能优于Degree、PageRank、局部有向无环图(LDAG)以及基于元路径的信息熵(MPIE)算法。
-
-
胡健宇;
章静;
许力;
林力伟
-
-
摘要:
随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中的潜在信息.这将对影响力传播分析造成影响,同时一旦社交网络结构遭到破坏,网络的传播能力将会受到影响.针对这一问题,本文首先定义了一种基于属性的朋友亲密度度量关系,量化网络中各用户的影响力;其次,提出了一种属性和亲密度兼顾的影响力算法,该算法综合考虑了网络的结构、属性和亲密度三者之间的关系,选择出具有高影响力及抗攻击性的种子节点,提高网络传播能力及抗攻击能力;最后,通过真实网络环境下的实验,验证出相比现有的度量算法,本文提出的算法在种子节点数目较大时具有更好的传播特性,并且在隐私高风险状态下的社交网络中,该算法的受攻击影响程度稳定在5%-10%左右,影响程度最低,具有较好的抗攻击性.
-
-
王思诚;
孔兵;
包崇明;
周丽华;
王崇云
-
-
摘要:
传统的影响力最大化算法忽视了病毒式营销过程中的商业收益问题.现实营销中,商家更加关注如何使用一个固定预算,在合理的时间内选出种子集,最大化营销收益.为了解决这个问题,提出一种高效的启发式算法.首先,定义边际性价比衡量用户节点的重要性;其次,分析出贪心算法的节点选取结果为一个自洽序列,提出MCPR(Marginal Cost Performance Ranking)算法,迭代逼近一个近似自洽排序,以追求贪心算法的效果;最后,采用性价比向前分配策略估计节点边际性价比,加速算法迭代.在3个真实社会网络上进行大量实验,结果表明MCPR能够取得与贪心算法近似的结果,但算法效率远高于贪心算法.
-
-
韩婷;
周丽华;
黄亚群;
姜懿庭
-
-
摘要:
影响力最大化问题是信息网络挖掘中的热门研究问题之一,大多数信息网络包含了多种不同类型的节点和连接边,其本质属于异质信息网络,然而以前关于影响力最大化问题的研究大多停留在同质信息网络,它们考虑的节点和连接边类型单一,这与现实的信息网络有所差别。异质信息网络的影响力最大化问题其关键在于如何识别异质信息网络中最有影响力的节点。为了能融合网络中的异质信息并衡量节点影响力,提出了一种基于加权PageRank的异质信息网络影响力最大化算法。该算法保留了网络中所有类型节点和连接边的信息,通过考虑异质信息网络中不同类型节点之间的影响关系来得到节点的最终影响力,从而实现异质信息网络的影响力最大化。该算法能更好地描述节点和连接边的异质性,并在两个真实的数据集上验证了算法的有效性。
-
-
金鹏飞;
常雪芹;
房子荃;
李淼
-
-
摘要:
影响力最大化问题旨在从社交网络中寻找若干具有高影响力的用户节点(种子),以触发最大化的信息传播规模.目前绝大多数工作认为社交网络中所有用户都拥有相同的影响力推广价值.然而,在基于位置的营销活动中,影响力推广的主体通常为带有位置标签的空间对象,考虑到用户在物理世界中的移动受限问题,空间对象仅能吸引其邻近范围内的潜在用户.因此,为了最大化市场营销潜力,商家通常需要同时拥有多个营销目标,譬如,连锁店企业对旗下的多家门店进行联合推广.不同的推广内容以及不同的影响力种子选择都将对营销推广的效益产生切实的影响.鉴于此,综合考虑商家在营销过程中对推广门店位置的选择以及在线上部署影响力传播种子的策略,在地理社交网络中研究基于多目标组合优化的空间感知影响力联合推广问题.首先分析了问题的理论难度,阐明了其与传统影响力最大化问题的区别.为支持高效且准确的问题求解,根据用户推广权重的差异,拓展了现有反向影响力采样(reverse influence sampling,RIS)技术,对不同位置和种子组合下的影响力传播收益进行理论保证下的上下界评估,并基于此提出了迭代处理算法框架,在多个轮次下实现高置信度保障的近似最优求解.最后,通过多组真实数据集上的实验,证明了所研究问题能在多目标组合下有效地提升空间感知的影响力推广效果,并验证了所提出算法的良好性能.
-
-
邓心惠;
宾晟;
孙更新
-
-
摘要:
现有影响力最大化算法多数因时间复杂度较高或影响力传播范围有限,不适用于大规模社交网络。基于独立级联模型,结合反向可达集采样提出一种改进的影响力最大化算法D-RIS。在影响力传播函数满足单调性和子模性的前提下,通过自动调试确定反向可达集生成数量的临界值。在Slashdot和Epinions真实数据集上的实验结果表明,D-RIS算法在影响力传播范围上接近CELF算法且优于RIS、HighDegree、LIR和pBmH启发式算法,同时在运行时间上相比CELF算法减少近百倍,具有更好的通用性与稳定性,适用于拓扑结构变化和规模较大的社交网络。
-
-
沈记全;
林帅;
李志莹
-
-
摘要:
用户影响力度量是影响力最大化问题的核心,与网络拓扑结构相关的影响力度量指标主要分为全局性指标和局部性指标,其中全局性指标需要依靠网络完整拓扑结构计算节点影响力且时间复杂度较高,局部性指标通常忽略或弱化了网络中的自环和多边现象,导致对节点影响力的度量不全面,限制信息最终传播范围。结合三度分隔原理,提出基于局部域的影响力最大化算法。考虑网络中的自环和多边现象,根据网络拓扑结构构建生成图。依据生成图划分每个节点对应的局部域,使用节点在局部域内的影响力近似其在全局范围内的影响力,并据此选择候选种子节点。计算候选种子加入种子集合后的重叠比因子,根据重叠比因子决定是否将此候选种子节点选作种子节点,控制种子集合的影响力重叠程度。在真实数据集上的实验结果表明,与MaxDegree、PageRank等算法相比,该算法能有效识别高影响力节点群体,扩大信息传播范围,且具有较低的时间复杂度。
-
-
姜元春;
李隆;
孙见山;
刘业政
- 《信息系统协会中国分会第六届学术年会》
| 2015年
-
摘要:
影响力最大化是社会化营销的热点研究内容.目前关于影响力最大化的研究通常基于网络拓扑结构的视角,忽视了消费者兴趣、企业成本等因素.本文基于多目标优化的视角,考虑结构影响力、用户兴趣和企业成本等因素,构建影响力最大化的多目标优化模型.为了提高优化效果,本文用经典的影响力最大化算法获得有影响力的节点作为候选种子集,基于改进的线性阈值模型计算种子集合的结构影响力、所影响用户的兴趣度和企业成本,并利用多目标演化算法NSGA-Ⅱ获得多目标影响力最大化的不可支配解集.基于真实社交网络数据的实验表明,所提方法可以为企业提供更加柔性的决策建议.
-
-
Chen Hao;
陈浩;
Wang Yitong;
王轶彤
- 《第29届中国数据库学术会议》
| 2012年
-
摘要:
对于社交网络影响力最大化问题,Kemple和Kleinberg提出了有较好影响范围的贪心算法,但是KK算法的复杂度非常高,并不实用.利用线性阈值模型提出了一种基于节点激活阈值的启发式算法.它综合考虑了节点之间的影响力和节点的激活阈值,根据每个节点在激活过程中动态变化的阈值来计算PIN值,启发过程中,每一次都选取PIN最大的节点作为种子节点进行激活,贪心阶段中再贪心地挑选那些具有最大影响范围增量的节点作为种子节点.通过实验表明,即使在完全不采用贪心阶段,该算法的激活范围与KK算法都非常接近,而算法的复杂度则相对非常小.实验还表明该算法相对于HPG算法在相同启发因子c的情况下具有更大的激活范围.
-
-
姜元春;
史家成;
刘业政;
孙见山
- 《第十二届(2017)中国管理学年会》
| 2017年
-
摘要:
当前社交网络平台的发展,吸引了大量的用户群,进而带动了社会化营销的研究工作.影响力最大化是其一个重点研究方向.本文通过考虑扩散规模,用户兴趣值和扩散预算等因素,将影响力最大化模型作为多目标优化问题.多目标影响最大化(MOIM)模型的目的是最大化信息传播规模,尽可能多地传播对信息感兴趣的用户,并以预算约束最小化传播成本.考虑到社交网络的特性,本文利用蒙特卡洛抽样方法获得高影响力用户候选子集,并提出了一种基于分解策略的多目标进化算法(MOEA/D)的优化方法获得满足多目标约束的不可支配解集.利用真实社交网络数据的实验表明,提出的MOIM模型可以生成适当的种子集,为社会化营销提供了灵活高效的决策支持.