近些年來(lái),隨著互聯(lián)網(wǎng)技術(shù)的飛速進(jìn)步,大批在線社交網(wǎng)絡(luò)例如論壇、博客、微博、微信等開(kāi)始興起。如今,社交網(wǎng)絡(luò)已不僅僅是人與人之間傳遞信息、溝通聯(lián)系的橋梁,也是人們展示自我、維系社會(huì)關(guān)系的平臺(tái)。作為社交網(wǎng)絡(luò)研究的重要內(nèi)容之一,影響力最大化問(wèn)題對(duì)現(xiàn)實(shí)生活具有重大意義。影響力最大化問(wèn)題是指在社交網(wǎng)絡(luò)中尋找影響力最大的用戶節(jié)點(diǎn)集合,這些集合中的節(jié)點(diǎn)可以使得信息在某種模型下獲得最大范圍的傳播。針對(duì)影響力最大化問(wèn)題,研究人員首先對(duì)信息的傳播過(guò)程進(jìn)行建模,提出了許多傳播模型,其中最經(jīng)典的是獨(dú)立級(jí)聯(lián)模型和線性閾值模型。已有的研究證明在這兩個(gè)模型下,影響力最大化是一個(gè)NP-Hard問(wèn)題,極具挑戰(zhàn)性。目前解決影響力最大化問(wèn)題的方法可大致分為啟發(fā)式方法、貪心算法和混合算法三類。啟發(fā)式方法通常簡(jiǎn)單、高效,但準(zhǔn)確性較差,這意味著它們得出的解通常不是最優(yōu)的。貪心算法準(zhǔn)確性較高,但計(jì)算成本極高、異常低效,不能適用于大規(guī)模網(wǎng)絡(luò)�；旌纤惴ńY(jié)合了啟發(fā)式方法和貪心策略:在啟發(fā)階段使用估計(jì)的方法篩選出一批有潛力的、影響力較大的節(jié)點(diǎn);在貪心階段,通過(guò)搜尋潛力較大節(jié)點(diǎn)的鄰域來(lái)尋找更優(yōu)的解。混合方法中,由于在啟發(fā)階段使用了估計(jì)方法等計(jì)... 

【文章來(lái)源】：深圳大學(xué)廣東省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

社交網(wǎng)絡(luò)隨著經(jīng)濟(jì)的發(fā)展和人們思想意識(shí)的進(jìn)步，城市化和全球一體化的趨勢(shì)越來(lái)越

基于獨(dú)立級(jí)聯(lián)模型的社交網(wǎng)絡(luò)影響力最大化研究總之，科技的進(jìn)步和經(jīng)濟(jì)的發(fā)展促使以 Facebook 和微信為代表的社交網(wǎng)絡(luò)(Online Social Network, OSN)得以出現(xiàn)并蓬勃發(fā)展。根據(jù)網(wǎng)站 www.statista.com[5對(duì)在線社交網(wǎng)絡(luò)的統(tǒng)計(jì)數(shù)據(jù)，截止到 2017 年第一季度，F(xiàn)acebook 在全球范圍內(nèi)的日活躍用戶達(dá) 12.8 億，月活躍用戶數(shù)量達(dá) 19.4 億，是世界上最大的社交網(wǎng)絡(luò)微博類社交網(wǎng)絡(luò) Twitter 的月活躍用戶達(dá) 3.28 億；Instagram 的用戶數(shù)量超過(guò) 8 億國(guó)內(nèi)的新浪微博的月活躍用戶數(shù)達(dá)到 3.13 億；消息類社交應(yīng)用微信的月活用戶達(dá) 9.8 億，QQ 的月活躍用戶超過(guò)了 8.42 億；生活分享類社交應(yīng)用 QZone 的月活躍用戶量達(dá)到 6.4 億。見(jiàn)圖 1-2。時(shí)至今日，在線社交已經(jīng)變得和衣食住行一樣重要，成為生活必不可少的一部分。

個(gè)用戶的影響力的大小是不同的。哪要回答這個(gè)問(wèn)題，首先需要我們找到通過(guò)查閱相關(guān)文獻(xiàn)，我們總結(jié)，社交的度量方法和動(dòng)態(tài)的度量方法。常是通過(guò)統(tǒng)計(jì)一些靜態(tài)的指標(biāo)來(lái)衡性、介中心性等網(wǎng)絡(luò)拓?fù)涮卣鹘y(tǒng)計(jì)量們還可以根據(jù)用戶所生產(chǎn)的內(nèi)容(U互來(lái)衡量用戶的影響力。例如圖 2的影響力，可以看到其中的衡量指標(biāo)量(昨日閱讀數(shù))、與其他用戶的交互數(shù)拓?fù)涮卣鳌GC，把這些因素融入算，也能反映出用戶的社交影響力，

【參考文獻(xiàn)】：
期刊論文
[1]Influence maximization with limit cost in social network[J]. WANG Yue,HUANG WeiJing,ZONG Lang,WANG TengJiao,YANG DongQing.  Science China（Information Sciences）. 2013(07)
[2]一種新型的社會(huì)網(wǎng)絡(luò)影響最大化算法[J]. 田家堂,王軼彤,馮小軍.  計(jì)算機(jī)學(xué)報(bào). 2011(10)
[3]差分進(jìn)化算法研究進(jìn)展[J]. 劉波,王凌,金以慧.  控制與決策. 2007(07)



本文編號(hào)：3022950