基于最小点覆盖和反馈点集的社交网络影响最大化算法

kjdskj

摘 要：社交网络中的影响最大化问题是指在特定的传播模型下，如何寻找 k 个最具影响力的节点使得在该模型下
社交网络中被影响的节点最多，信息传播的范围最广。该问题是一个优化问题，并且已经被证明是 NP-难的。考
虑到图的最小点覆盖和反馈点集中的顶点对图的连通性影响较大，该文提出一种基于最小点覆盖和反馈点集的社交
/ z3 [% t3 `) S- T( b网络影响最大化算法(Minimum Vertex Covering and Feedback Vertex Set, MVCFVS)，并给出了具体的仿真实验
和分析。实验结果表明，与最新的算法比较，该算法得到的节点集在多种模型下都具有优异的传播效果，例如在独
% A$ e* Z9 G; A立级联模型和加权级联模型中超过当前最好的算法，并且还具有更快的收敛速度。
0 Q$ ^5 q6 s) m0 Y, _* y) ]9 i关键词：社交网络；影响最大化；传播模型；最小点覆盖；反馈点集
1 引言
) ~1 v  {; X3 _. y# [: |社交网络是指由个体及个体之间的关系所组成
的一个复杂网络，它与交通网络，通讯网络和生物
网络等其他复杂网络相比，包含了更加海量和多元
) J6 U9 b& {$ T5 O3 `& n化的信息。自从社交网络出现以来[1,2]，它便在社会
7 B; m/ g! F8 `个体的信息传播、思想引导和相互影响中发挥着重
大作用。近年来，随着大规模在线社交网络(如人人，
3 Y7 f2 N0 L& v; t8 G" b& NFacebook, Twitter和微博等)的迅速发展，从个人到

8 g( h3 z( W9 e% {3 n) F" E
( g" o2 P- L; S! s

% O. R! H# y! M/ u6 ]
附件下载：

游客，如果您要查看本帖隐藏内容请回复

: Q. o4 q4 L3 c/ Q

sdkangbaz

谢谢分享