本文選題：社會網(wǎng)絡(luò) + 不確定性影響源��； 參考：《電子與信息學(xué)報》2017年09期

【摘要】：社會網(wǎng)絡(luò)中影響力傳播的有效抑制是社會網(wǎng)絡(luò)影響力傳播機(jī)制研究所關(guān)注的問題之一。該文針對未知影響傳播源,或傳播源信息具有不確定性的情況,提出面向不確定性影響源的影響力傳播抑制問題。首先,為有效提高抑制算法的執(zhí)行效率,討論競爭線性閾值傳播模型下影響源傳播能力的近似估計方法,進(jìn)而提出有限影響源情況下,期望抑制效果最大化的抑制種子集挖掘算法。其次,對于大尺寸不確定性影響源的情況,考慮算法運(yùn)行效率和抑制效果之間的有效折中,提出基于抽樣平均近似的期望抑制效果最大化的抑制種子集挖掘算法。最后,在真實(shí)的社會網(wǎng)絡(luò)數(shù)據(jù)集上,通過實(shí)驗(yàn)測試驗(yàn)證了所提出方法的有效性。
[Abstract]:The effective suppression of influence transmission in social network is one of the issues concerned in the research of social network influence dissemination mechanism. In this paper, the problem of influence propagation suppression for uncertain influence sources is proposed in view of the uncertainty of unknown influence sources or the uncertainty of propagating source information. Firstly, in order to improve the performance efficiency of the suppression algorithm, the approximate estimation method for the source propagation ability under the competitive linear threshold propagation model is discussed. An algorithm for mining suppression seed sets with maximum expected suppression effect. Secondly, considering the effective trade-off between the efficiency of the algorithm and the suppression effect, an algorithm based on the sample average approximation is proposed to maximize the expected suppression effect. Finally, on the real data set of social network, the validity of the proposed method is verified by experimental test.
【作者單位】： 云南大學(xué)軟件學(xué)院;云南省軟件工程重點(diǎn)實(shí)驗(yàn)室;云南大學(xué)信息學(xué)院;
【基金】：國家自然科學(xué)基金(61562091,61472345) 云南省應(yīng)用基礎(chǔ)研究計劃,(2014FA023,2016FB110) 云南大學(xué)中青年骨干教師培養(yǎng)計劃項(xiàng)目;云南大學(xué)青年英才培育計劃(XT412003) 云南省軟件工程重點(diǎn)實(shí)驗(yàn)室開放項(xiàng)目(2012SE303,2012SE205)~~
【分類號】：G206;TP393.09

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 經(jīng)志軍;基于Hadoop的微博網(wǎng)絡(luò)影響力最大化研究與實(shí)現(xiàn)[D];浙江工業(yè)大學(xué);2016年

，

本文編號：1892251