基于信息偏好的影响最大化算法研究

被引：7

作者：

郭景峰 ^{[1
,2
]}

吕加国 ^{[1
,3
]}

机构：

[1] 燕山大学信息科学与工程学院

[2] 河北省虚拟技术与系统集成重点实验室

[3] 枣庄学院信息科学与工程学院

来源：

计算机研究与发展 | 2015年 / 52卷 / 02期

关键词：

信息主题; 用户偏好; 信息传播; 影响最大化; 社会网络;

D O I：

暂无

中图分类号：

TP301.6 [算法理论]; TP393.08 [];

学科分类号：

081202 ; 0839 ; 1402 ;

摘要：

实证研究表明,社会个体对于不同主题的信息有着不同的偏好,这对于社会网络中的信息传播过程起着非常重要的作用.影响最大化是社会网络信息传播领域中关于影响结点集挖掘的热点课题.它会从社会网络中寻找最具影响力的结点子集,以这些结点为目标进行影响传播时会获得最大的影响范围.以前关于影响最大化算法研究的大部分工作没有考虑社会个体的信息偏好,这大大降低了结果的准确性.为了提高影响最大化算法的效率和种子集的影响范围,提出一种基于信息偏好的2阶段启发式影响结点挖掘策略LGAUP:第1阶段,基于网络中各结点对于信息主题的偏好程度,得到易感染结点网络;第2阶段,在易感染网络中,基于贪心策略进行影响结点的挖掘.实验中,在数据集douban上实现了LGAUP,GAUP和CELF算法.实验结果表明,与基准算法GAUP相比,LGAUP不仅在影响范围指标ISST和IS上有着更好的表现,在效率上也有大幅度的提高.

引用

页码：533 / 541

页数：9