检索结果-内蒙古大学图书馆

作者：杨忠奇山东科技大学

学位级别：硕士

近年来，社交网络分析成为当下的研究热点，人们可以挖掘出隐藏在社交网络中的内在信息。其中，影响力最大化问题作为社交网络分析的一个研究方向，已被广泛应用于病毒式营销领域。影响最大化问题旨在找到固定数量的活跃节点，经过特定... 详细信息

近年来，社交网络分析成为当下的研究热点，人们可以挖掘出隐藏在社交网络中的内在信息。其中，影响力最大化问题作为社交网络分析的一个研究方向，已被广泛应用于病毒式营销领域。影响最大化问题旨在找到固定数量的活跃节点，经过特定的传播模型后，使活跃节点达到最大影响范围。随着社交网络规模越来越大，影响力最大化问题也获得了更多的关注。然而，部分影响力最大化算法过于追求某一评价指标，无法兼顾算法的效率和精确度。而且，随着社交网络规模的扩大，能够在大规模网络中发挥作用的算法显得尤为重要。因此，为了解决上述问题，本文研究内容如下:　　(1)基于局部搜索策略的影响力最大化算法。部分研究人员利用节点度数或者节点期望扩散值等方法来评估节点影响力，但是这类评估方法会导致算法精确度较低。为了能够更好的评估节点影响力，提高精确度和效率，本文提出了基于局部搜索策略的影响力最大化算法——LTHS算法。该算法的核心思想在于一个节点不仅受直接邻居的影响，而且受其二跳邻居节点的影响。因此，该算法利用节点局部二跳扩散值来评估节点在整个网络中的影响力大小。另外，为了更好的应用于大规模网络，该算法通过“裁剪”网络的方法，降低网络规模，提高算法效率。最后，通过在五个真实的社交网络上与四种知名的算法进行比较，实验结果表明，LTHS算法在精确度和效率上都具有优越性。　　(2)基于社区结构的影响力最大化算法。随着社交网络规模越来越大，传统的影响力最大化算法不具备很好的扩展性。考虑到网络中节点具有社区结构的性质，即社区内节点连接紧密，社区间节点连接稀疏。本文提出了基于社区结构的影响力最大化算法——ComIM算法。该算法的核心思想是“分而治之”。具体来说，当某个节点和其邻居节点在同一社区时，采用节点一跳扩散值计算节点影响力;当某个节点和其邻居节点分属不同社区时，采用节点二跳扩散值计算节点影响力。在选择种子节点时，采用懒惰前行策略加速该过程。最后，在真实的社交网络数据集上进行对比实验，实验结果显示了ComIM算法在精确度和效率方面的有效性。

关键词：社交网络局部搜索策略影响力最大化算法扩展性

来源：评论

学校读者我要写书评

暂无评论

多重社交网络中的影响力最大化算法研究

多重社交网络中的影响力最大化算法研究

引用

作者：赵懿谦广东工业大学

学位级别：硕士

随着互联网的普及，在线社交网络中存在的“口碑效应”现象在互联网营销方面表现出了巨大的应用潜力。因此，基于这一商业背景的影响力最大化问题已经成为信息传播扩散研究中的一个关键算法问题。然而，传统的影响力最大化问题模型只关... 详细信息

随着互联网的普及，在线社交网络中存在的“口碑效应”现象在互联网营销方面表现出了巨大的应用潜力。因此，基于这一商业背景的影响力最大化问题已经成为信息传播扩散研究中的一个关键算法问题。然而，传统的影响力最大化问题模型只关注单一社交网络中最具有影响力的一些用户，这导致其解决方案难以兼容在线社交网络的多元性与互联网营销的商业性这一关键背景。由于在线社交网络存在多元性，用户会频繁活跃在不同的社交网络，这促使了信息的跨社交网络传播。此外，互联网营销具有的商业性意味着社交网络中的营销宣传需要根据所选择的不同用户付出不同的成本代价。因此，不同于传统的问题模型，基于上述背景的影响力最大化问题不仅需要考虑多重社交网络中信息跨圈层传播现象对信息传播的影响，还需要考虑社交网络中不同用户会关联不同选择成本以及预算有限的情况。由此，本文提出了一个基于进化优化算法的处理框架来解决多重社交网络中的影响力最大化问题。本文的主要内容包括：　　(1)针对传统影响力最大化问题模型在在线社交网络中适用范围较小的局限性，本文对社交网络中的影响力最大化问题模型在两方面进行了扩展。本文处理的问题模型，一方面，考虑了多重社交网络中存在的重叠用户对信息传播过程的影响。另一方面，考虑了不同的用户会关联不同的选择成本以及预算有限的情况。具体的问题建模方式是，首先将问题需要处理的目标由单一社交网络扩展成了多重社交网络。其次，将预算有限作为问题的约束条件并使用成本函数定义社交网络中用户的选择成本。　　(2)影响力最大化问题的目的是在社交网络中选择小部分能够最大化信息传播影响力的种子用户。因此，如何快速且准确地评价社交网络中不同用户或用户集的传播影响力是该问题中的一个核心步骤。本文经过对经典信息扩散模型下的信息传播过程分析和研究，基于社交网络中用户在两跳范围内的预期传播价值提出了能快速且准确地衡量用户传播影响力的评价函数。最后本文通过对比分析实验验证了本文所提出的评价函数的有效性。　　(3)本文提出了一种针对多重社交网络中影响力最大化问题的进化算法，该算法利用新设计的节点分组策略对社交网络中的节点集进行管理，并在此基础上设计了候选节点选择策略，负责在种群初始化阶段和优化过程中为种群提供有潜力的候选节点。此外，本文还针对问题背景中的预算约束条件设计了新颖的交叉策略、变异策略并且这两个核心策略都加入了能衡量种子节点之间距离的方式来避免种子集发生聚集情况。最后，在四个真实数据以及四种成本函数相关的测试用例中与其他先进算法进行了对比分析实验，实验结果表明通过本文提出的算法得到的解的质量远高于其他算法。

关键词：多重社交网络影响力最大化算法信息扩散模型进化算法

来源：评论

学校读者我要写书评

暂无评论

基于反向可达集的多信息源传播影响力最大化研究

基于反向可达集的多信息源传播影响力最大化研究

引用

作者：邓心惠青岛大学

学位级别：硕士

当前,随着社交媒介的广泛推广和应用,社交网络成为人们交流沟通中不可或缺的桥梁。影响力最大化问题作为社交网络研究的重要课题,聚焦于传播广泛和高效两方面,并作为先进的营销手段应用于实际。所以对此问题的研究也非常具有现实意义。... 详细信息

当前,随着社交媒介的广泛推广和应用,社交网络成为人们交流沟通中不可或缺的桥梁。影响力最大化问题作为社交网络研究的重要课题,聚焦于传播广泛和高效两方面,并作为先进的营销手段应用于实际。所以对此问题的研究也非常具有现实意义。大多研究者开展的工作主要集中在优化影响力最大化算法以及构造更符合实际的信息传播模型两个方面。目前已有的影响力最大化算法,大部分因时间复杂度太高或影响力传播范围有限不适用于大规模社交网络。另外,当前存在的信息传播模型大多只针对于单信息源的传播情况,即用户之间信息的传播是单一独立的。但真实的社交网络中的节点受多种相互影响的信息源同时传播影响。基于以上问题,本文主要从社交网络中的实际情况着手,针对社交网络中多信息源共同影响的传播模型以及在该模型下取得更优时效性的影响力最大化算法展开研究。本文的主要工作概括如下:(1)本文基于独立级联模型,结合反向可达集采样方法,提出动态反向影响抽样(Dynamic-Reverse Influence Sampling)影响力最大化算法。算法基于影响力传播函数满足单调性和子模性的特点,设置生成随机反向可达集临界值的判断条件,自动调试生成一定数量的反向可达集,接下来算法使用最大覆盖方法进行种子节点选择。经过实验验证,证明了算法在获得较好影响力传播范围的同时避免了时间浪费,更适用当前的大规模社交网络。(2)本文在线性阈值模型的基础上,考虑每条边上的全局传播概率受信息影响率和节点间传播概率的同时影响,并结合MI-IC模型,提出MILT(Multiple Information Linear Threshold)模型来模拟节点间的影响力传播。同时结合D-RIS影响力最大化算法给出了在MILT模型下的DR-MILT(Dynamic Reverse-MILT Algorithm)影响力最大化算法。最后通过实验验证,证明对多关系信息源影响的传播模型进行建模更符合实际,基于MILT模型的DR-MILT算法也有更好的时效性。

关键词：社交网络影响力最大化算法反向可达集信息传播模型

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络和差分进化的影响力最大化研究

基于图神经网络和差分进化的影响力最大化研究

引用

作者：田相波山东科技大学

学位级别：硕士

影响力最大化是在特定的网络信息传播模型下从给定的社交网络中找到最终影响力最大的一组节点。它的应用场景十分丰富，例如市场营销、推荐系统、信息扩散和专家发现等。然而，现有的影响力最大化研究仍然存在以下问题:(1)目前已有的影... 详细信息

影响力最大化是在特定的网络信息传播模型下从给定的社交网络中找到最终影响力最大的一组节点。它的应用场景十分丰富，例如市场营销、推荐系统、信息扩散和专家发现等。然而，现有的影响力最大化研究仍然存在以下问题:(1)目前已有的影响力最大化研究通常将信息传播过程中的传播概率设置成一个定值。这种处理方式虽然简化了实验，但是却导致信息传播具有很大的盲目性，无法准确地模拟信息传播过程。(2)现有的影响力最大化算法通常使用贪心策略或群体智能算法来解决该问题。其中，贪心策略不考虑整体的情况，这导致该类算法得到的往往是一个局部最优解;而基于群体智能的解决方法通常效率不高。在此背景之下，本文从影响力最大化问题中传播概率的合理定义和影响力最大化的全局优化两个方面来深入地研究该问题，具体研究内容主要有:　　(1)本文提出了一个基于用户异质信息的传播概率模型。该模型包含两个模块:用户异质信息嵌入模块和传播概率计算模块。用户异质信息嵌入模块用于计算社交网络中节点的低维特征表示，它首先使用注意力机制聚合异质属性信息来获取邻居节点的低维特征表示，然后使用图神经网络融合来自邻居的多关系信息，从而得到目标个体的低维特征表示;传播概率计算模块计算社交网络中个体的特征表示的相似度，并对它们进行归一化处理来得到个体间的传播概率。最后，在三个真实社交网络数据集上进行对比实验，实验结果一方面表明了本文提出的用户异质信息嵌入模块在Macro-F1分数和Micro-F1分数方面比对比模型好1.5％以上和1.88％以上;另一方面也表明了本文提出的传播概率模型的必要性和有效性。　　(2)本文基于上述的传播概率模型和差分进化思想提出了一种影响力最大化算法。首先，本文设计了一种局部影响力搜索策略来获得一组局部影响力较大的个体;其次，本文设计了一个预期影响力扩散函数来评估节点集合的影响力;然后，本文基于上述的内容提出了一个影响力最大化算法，在求解过程中，所有被使用的传播概率都将通过本文提出的传播概率模型来计算;最后，在三个真实社交网络数据集上进行了对比实验，实验结果表明本文提出的影响力最大化算法在准确率方面比对比算法好1.1％以上，而在效率方面比所有基于群体智能的对比算法提升了1-2个数量级。　　(3)基于上述的算法，实现了一个论文影响力最大化系统。测试结果表明该系统实现了预期的功能，便于用户使用。

关键词：社交网络信息传播影响力最大化算法图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于独立级联模型和多任务神经网络的影响力最大化研究

基于独立级联模型和多任务神经网络的影响力最大化研究

引用

作者：刘玉莹山东科技大学

学位级别：硕士

影响力最大化算法是从给定的社交网络中找到一组节点，进行信息传播，使得最终影响范围最大的过程。它的应用场景十分丰富，例如市场营销、推荐系统和信息扩散等。然而，现有的方法仍然存在以下问题:（1）传统的影响力最大化算法分为两... 详细信息

影响力最大化算法是从给定的社交网络中找到一组节点，进行信息传播，使得最终影响范围最大的过程。它的应用场景十分丰富，例如市场营销、推荐系统和信息扩散等。然而，现有的方法仍然存在以下问题:（1）传统的影响力最大化算法分为两种，分别是贪心算法和启发式算法。贪心算法通常影响传播范围广，但其运行时间过长。启发式算法的运行时间短，但影响传播范围较小。（2）已有的影响力最大化研究通常将信息传播过程中的传播概率设置成一个固定值。这种处理方式虽然简化了实验，但是却与实际情况不符，无法准确地模拟信息传播过程。而且，随着网络规模的增加，传统的影响力最大化方法已不能很好地满足人们的需求。针对上述问题，本文做了如下研究，来更好地解决影响力最大化问题。具体研究内容主要有:　　（1）提出了基于独立级联模型的最佳跳扩散算法（Thebesthopdiffusionalgorithmbasedonindependentcascademodel,BHICM）,提高了影响传播范围，同时保持可接受的运行时间。首先，该方法通过最佳跳（Besthop,BH）策略，改变了一般启发式算法依据邻居节点的度来查找种子集的方式。其次，该方法根据节点的度、传播概率和跳数计算每个节点的扩散分数。然后，选出扩散分数的前k个最大节点组成种子集。最后，在Wiki-Vote,p2p-Gnutella31,soc-Epinions1和Cit-HepPh这4个数据集上进行了对比实验，结果表明BHICM算法比对比算法的信息传播范围平均扩大了约40.3％,信息扩散时间平均缩短了20％。　　（2）基于BHICM算法节点的扩散分数提出了一种基于多任务神经网络的影响力最大化算法（Representationlearningmethodbasedonimprovedrandomwalkforinfluencemaximization,IRWIM）,解决了传统影响力最大化算法影响参数设置不合理且不适用于大规模网络的问题。首先，该方法将BHICM算法中的扩散分数融入网络嵌入的游走过程，使生成的影响级联更适用于影响力最大化问题。其次，将包含影响上下文对和级联长度的级联结果输入到多任务神经网络中，实现对传播概率和节点的级联能力的预测。然后，利用贪心策略将预测结果应用于社交网络影响力最大化问题。最后，在Wiki-Vote,CA-HepPh,fb-pages-artist和Digg这4个数据集上进行了对比实验，结果表明IRWIM算法比对比算法的信息传播范围平均扩大了2-3个数量级，并且在大型数据集上拥有稳定的表现。

关键词：影响力最大化算法最佳跳扩散算法独立级联模型多任务神经网络

来源：评论

学校读者我要写书评

暂无评论

微博社交网络中的影响力最大化问题的研究

微博社交网络中的影响力最大化问题的研究

引用

作者：马正一黑龙江大学

学位级别：硕士

随着信息时代的到来,信息爆炸、信息增长已经成为当今社会的主流词语。如何挖掘信息中的知识,更好的利用信息去决策,根据信息的传播过程知晓信息的去向,是当今的研究热点。社交网络是研究信息的载体,社交软件更是社交网络的媒介,人们可... 详细信息

随着信息时代的到来,信息爆炸、信息增长已经成为当今社会的主流词语。如何挖掘信息中的知识,更好的利用信息去决策,根据信息的传播过程知晓信息的去向,是当今的研究热点。社交网络是研究信息的载体,社交软件更是社交网络的媒介,人们可以随时随地在社交软件中获取自己想要的信息。如何将信息分享给更多的人,如何使影响传播范围最大,这就是影响力最大化问题所研究的主要内容。而微博社交软件已发展了数十年,活跃用户也达到了亿的级别,因此,研究微博社交网络中的影响力最大化问题具有现实意义。本文结合微博社交网络自身的拓扑结构性质和微博用户自身的性质,如用户在社交网络中的活跃度、传播力、覆盖度和用户之间的互动次数(点赞微博数、转发微博数、评论微博数),提出了一种基于微博社交网络的影响力传播模型和算法。通过在多个方面对影响力最大化传播模型和影响力最大化算法进行评估,证明了该传播模型更贴合微博社交网络的真实传播,该算法在传播范围和运行效率上都有着很好的性能。

关键词：微博社交网络影响力最大化传播模型影响力最大化算法

来源：评论

学校读者我要写书评

暂无评论

基于用户偏好的社交网络影响力最大化研究与应用

基于用户偏好的社交网络影响力最大化研究与应用

引用

作者：李怡东华大学

学位级别：硕士

随着社交网络的快速发展和应用，社交网络平台已经成为重要的信息传播平台。企业想在社交平台选择部分用户对某一产品进行宣传，使得宣传得到的传播效果最佳。针对特定社交平台，搜索该平台内??个用户，使得他们对某产品的传播能力最大... 详细信息

随着社交网络的快速发展和应用，社交网络平台已经成为重要的信息传播平台。企业想在社交平台选择部分用户对某一产品进行宣传，使得宣传得到的传播效果最佳。针对特定社交平台，搜索该平台内??个用户，使得他们对某产品的传播能力最大化，这一问题，本文称之为基于用户偏好的社交网络最大化问题(Maximizing Social Networks Based on User Preferences,MSBU)。　　当前对社交网络影响力最大化(Influence Maximization in Social Networks,IMSN)的研究，简单地假设网络中用户对产品的接受能力相同。这忽略了用户之间的差异性，没有利用用户与产品的交互信息，无法针对特定产品查找最优的推广用户群体。论文结合IMSN和用户之间的差异性，提出了基于用户偏好的影响力最大化模型(Influence Maximization Model Based on User Preference,IMMUP)。通过融入用户对产品的偏好概率，研究了基于用户偏好的影响力最大化算法(Influence Maximization Algorithm of User Preference,IMUP)，实现了针对特定产品查找相应的种子节点。结合用户的产品偏好和社交关系，研究了基于用户偏好的传播模型(User Preference Diffusion Model,UPDM)，基于传播过程中用户的状态变化和用户间的相互影响，进一步明确了用户对产品的传播态度。论文对所提出的IMUP算法和UPDM传播模型进行实验评估，验证了模型的有效性，并且将模型和相关算法应用于实际系统。具体来说，论文包括以下的工作。　　(1)研究了矩阵分解技术，将用户与产品的特征信息转化为用户对产品的偏好概率，并将其应用于传播模型和影响力最大化算法的优化中。论文通过用户的社交关系解决了矩阵分解中的冷启动问题。　　(2)结合用户的偏好信息和经典的传播模型，提出了适合MSBU的传播模型UPDM。该模型结合了传播过程中产品对用户的内部影响和相邻节点对用户的外部影响。在经典传播模型的基础上，提出了用户对产品的四种转换状态，使得传播模型与实际的传播过程更加接近。　　(3)结合矩阵分解模型，对经典的社交网络最大化算法进行改进和优化。通过判定节点和相邻节点的产品偏好概率，提高了查找种子节点的效率。IMUP算法能够对查找的产品做出自适应的反馈，有效提高种子集在网络中的影响效果。论文详细分析了算法在社交网络中查找种子集的计算过程。　　(4)将提出的UPDM传播模型与IMUP算法在数据集Epinions上进行了实验。在传播接受人数、传播占比人数和运行时间三个指标上与传统方法进行了实验对比，验证了本文研究工作的有效性。本文还结合算法在具体项目中的应用，进行了进一步的阐述。

关键词：社交网络影响力最大化算法用户偏好矩阵分解传播能力

来源：评论

学校读者我要写书评

暂无评论

动态复杂网络中的影响力最大化问题研究

动态复杂网络中的影响力最大化问题研究

引用

作者：钟玮浩兰州大学

学位级别：硕士

近年来,随着计算机技术的飞速发展,社交网络得到广泛应用,在社交网络中,能够认识结交新的好友,发布共享信息,为广大的互联网用户提供了极大便利。在社交网络的普及和应用的过程中,产生了影响力最大化问题。该问题应用方面广、发展前景大... 详细信息

近年来,随着计算机技术的飞速发展,社交网络得到广泛应用,在社交网络中,能够认识结交新的好友,发布共享信息,为广大的互联网用户提供了极大便利。在社交网络的普及和应用的过程中,产生了影响力最大化问题。该问题应用方面广、发展前景大,是复杂网络研究中的热点和难点问题。为解决影响力最大化问题,诸多专家学者先后提出了贪心算法和启发式算法,在一定程度上都能较好地解决问题。但是,随着网络规模逐渐变大、网络拓扑结构不断变化、网络中的用户频繁增减,影响力最大化问题的研究重心已经从静态网络逐步转向动态网络。动态复杂网络中的影响力最大化问题需要考虑三个方面:一是如何选取合适的影响力传播模型,针对不同的网络结构,也会有不同的选择;二是如何准确评估节点影响力,目前主要依靠一些中心性指标进行评估;三是如何选取种子节点,既要保证最终影响力足够大,又不能使用时间复杂度过大的算法。针对上述存在的若干问题,本文结合现有影响力最大化算法,从以下三个方面进行分析研究:(1)引用了熵的概念,提出了传播熵的概念,用来评估节点的影响力。与传统的度中心性、介数中心性和接近中心性相比,传播熵在考虑节点自身的影响力的同时,更加注重节点位置和多阶邻居的影响力。并在一个小型网络中验证,传播熵可以更准确地评价一个节点的影响力和重要性,并且可以对节点的影响力进行更精确的排序。(2)提出了一种基于传播熵的启发式算法。该算法首先选取当前网络中心核层里传播熵最大的节点作为种子节点,之后计算候选节点和种子节点的共同邻居程度,对部分节点作折扣运算和覆盖处理,从中选出与种子节点共同邻居较少、传播熵较大的节点作为新的种子节点。该算法在每轮次都尽可能选取影响力较大的节点作为种子节点的同时,也能保证种子节点足够分散,减小影响力重叠,使最终的影响力传播范围足够大。(3)选取传染病模型,在四个公开的网络数据集上进行实验,并与现有的4种求解影响力最大化问题的算法进行比较,通过实验验证,本文提出的算法在可以相对较短的时间内可以选取出影响力传播范围较大的种子节点集合,证明该算法有效可行并具有一定的先进性。

关键词：动态复杂网络影响力最大化算法传播熵启发式算法

来源：评论

学校读者我要写书评

暂无评论

社会网络影响力最大化问题研究

引用

电脑知识与技术 2019年第11Z期15卷 36-38页

作者：陈光鲁卢敏江西理工大学理学院

社会网络影响力最大化是社会网络分析领域的一个重要研究问题,该问题旨在寻找出社会网络中具有最大影响力的节点集合。从社会网络影响力最大化问题产生背景出发,介绍影响力最大化问题的求解过程与求解过程中用到的基础模型,归纳总结了... 详细信息

社会网络影响力最大化是社会网络分析领域的一个重要研究问题,该问题旨在寻找出社会网络中具有最大影响力的节点集合。从社会网络影响力最大化问题产生背景出发,介绍影响力最大化问题的求解过程与求解过程中用到的基础模型,归纳总结了现有的几种主要传播模型、影响力最大化算法及研究现状。最后,讨论了该研究存在的问题和对未来的展望。

关键词：社会网络传播模型影响力最大化算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：