隨著社交網(wǎng)絡(luò)的快速發(fā)展,學術(shù)界對產(chǎn)品宣傳和廣告營銷中的利潤最大化問題的探索產(chǎn)生了強烈的興趣。雖然IC模型和LT模型,可以很好對現(xiàn)實社會中的影響傳播進行模擬。但是對于現(xiàn)實營銷中的利潤最大化問題,這兩種模型無法對其準確刻畫。因此,迫切需要開發(fā)更符合現(xiàn)實情況的傳播模型以及研究更貼近真實社交網(wǎng)絡(luò)的算法。社交網(wǎng)絡(luò)中的利潤最大化問題可以描述為:在特定的傳播模型以及一定的成本約束下,找尋一組節(jié)點集合S,使得該集合在傳播擴散結(jié)束后,可以產(chǎn)生最大范圍的影響力,進而獲得最大的利潤。為此,本文提出了一種更加貼近于現(xiàn)實情況的傳播模型,并在該模型下分別研究了靜態(tài)社交網(wǎng)絡(luò)以及動態(tài)網(wǎng)絡(luò)中的利潤最大化問題。本文的主要成果有:1.在傳統(tǒng)的靜態(tài)社交網(wǎng)絡(luò)研究工作中忽略了現(xiàn)實情況中對新產(chǎn)品的營銷其實是分階段的,并且也忽略了在營銷過程中激活節(jié)點可以多次重復(fù)激活非激活節(jié)點。因此,基于艾賓浩斯的“標準遺忘曲線”理論,本文提出了一種基于累積記憶的影響力擴散模型IV-MV（Influence Value-Memory Value）,并在此基礎(chǔ)上提出了基于累積記憶的利潤最大化階段策略算法MMP（Memory-stage Maximiza... 

【文章來源】：黑龍江大學黑龍江省

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【部分圖文】：

Epinion數(shù)據(jù)集.SpreadvsStage

圖 3-1 Epinion 數(shù)據(jù)集. Spread vs Stage 圖 3-2 Wiki-Vote 數(shù)據(jù)集. Spread vs StageFig. 3-1 Epinion dataset. Spread vs stage Fig. 3-2 Spread vs stage in Wiki-vote datas

圖 3-3 Epinion 數(shù)據(jù)集. Profit vs Stage 圖 3-4 Wiki-Vote 數(shù)據(jù)集. Profit vs StageFig. 3-3 Epinion dataset. Profit vs stage(C=100)Fig. 3-4 Wiki-vote dataset. Profit vs stage(C=150)3.4.3 比較不同算法選擇的種集

【參考文獻】：
期刊論文
[1]基于社交網(wǎng)絡(luò)的用戶行為記憶性研究[J]. 李凱凱,宋禮鵬.  微電子學與計算機. 2017(03)
[2]基于位置社交網(wǎng)絡(luò)的上下文感知的興趣點推薦[J]. 任星怡,宋美娜,宋俊德.  計算機學報. 2017(04)
[3]產(chǎn)品價格策略與顧客消費心理的關(guān)聯(lián)性探究——基于企業(yè)產(chǎn)品營銷的實際[J]. 王玲.  價格理論與實踐. 2009(03)

博士論文
[1]復(fù)雜網(wǎng)絡(luò)中的動態(tài)過程問題研究[D]. 竇炳琳.復(fù)旦大學 2011



本文編號：3348089