基于RIC模型的社交网络影响最大化研究

发布时间：2022-02-24 04:52

　　随着社交网络在人们的日常生活中扮演着越来越重要的角色,如何在社交网络上最大范围的传播某一信息,这一问题受到越来越多的人的关注。为了在社交网络上传播一个消息,我们可以选择一些个体作为初始群体（称为种子集合）,说服该群体接受这个消息,然后通过他们的影响力,将这个消息传播给他们身边的人,而这些接受了消息的人又将接着影响到他们身边的人,通过这样的口口相传使消息得以在社交网络中传播。那么如何选择这个种子集合,使最终消息影响到的范围最大,这就是影响最大化问题要解决的。人们已经对社交网络上影响最大化问题做了大量的研究,主要包括两方面:建立合理的信息传播的模型以及提出合适的种子搜索方法来确定最终的种子集合,本文在这两方面分别做了研究,主要工作如下:1、由于现有的一些传播模型忽略了现实网络的一些不确定性,例如一般传播模型中,考虑到了信息的传播概率,但是没有考虑到节点的接受概率。因此,本文考虑到这些不确定性并且提出了一种现实独立级联模型,即Realistic Independent Cascade（RIC）模型。2、基于提出的RIC模型,提出节点的活跃度这一概念,以节点的活跃度来衡量节点的影响力,据此提出... 

【文章来源】：西安电子科技大学陕西省211工程院校教育部直属院校

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 基于蒙特卡洛的算法
        1.2.2 基于代理的算法
        1.2.3 基于略图的算法
    1.3 本文主要内容及组织结构
第二章 相关理论知识
    2.1 社交网络
    2.2 影响最大化问题
    2.3 信息传播模型
        2.3.1 独立级联模型
        2.3.2 线性阈值模型
        2.3.3 触发模型
        2.3.4 连续时间模型
    2.4 种子集合搜索算法
        2.4.1 集合影响力函数的性质
        2.4.2 种子集合搜索算法的分类
        2.4.3 种子集合搜索算法的衡量标准
    2.5 本章小结
第三章 RIC模型及基于节点活跃度的种子搜索算法
    3.1 引言
    3.2 RIC模型
        3.2.1 影响最大化问题定义
        3.2.2 RIC模型
    3.3 基于节点活跃度的种子搜索算法
        3.3.1 相关概念
        3.3.2 greedy-degree算法
        3.3.3 时间复杂度分析
    3.4 实验
        3.4.1 实验设置
        3.4.2 实验设置
        3.4.3 实验结果及分析
    3.5 本章小结
第四章 基于蒙特卡洛的种子搜索算法
    4.1 引言
    4.2 问题定义
    4.3 R-greedy算法
        4.3.1 确定候选集合
        4.3.2 确定选择标准
        4.3.3 选择种子集合
    4.4 M-greedy算法
    4.5 时间复杂度分析
    4.6 实验
        4.6.1 实验设置
        4.6.2 对比算法
        4.6.3 实验结果及分析
    4.7 本章小结
第五章 基于略图的种子搜索算法
    5.1 引言
    5.2 蒙特卡洛的问题
    5.3 D-greedy算法
        5.3.1 略图的产生
        5.3.2 种子集合的影响力计算
        5.3.3 D-greedy过程描述
        5.3.4 时间复杂度分析
    5.4 实验
        5.4.1 实验设置
        5.4.2 对比算法
        5.4.3 实验结果及分析
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
        6.1.1 RIC模型
        6.1.2 基于节点活跃度的种子搜索算法
        6.1.3 基于蒙特卡洛的种子搜素算法
        6.1.4 基于略图的种子搜索算法
    6.2 工作展望
参考文献
致谢
作者简介



本文编号：3642014