影响力最大化问题已经成为社会网络中重要的研究内容,其影响力传播模型和求解算法是关键的核心问题。为了提高预测传播结果的准确度,引入传播过程中激活节点数量动态变化与节点间信任关系对IC模型进行改进,结合社会影响力与库仑力之间...影响力最大化问题已经成为社会网络中重要的研究内容,其影响力传播模型和求解算法是关键的核心问题。为了提高预测传播结果的准确度,引入传播过程中激活节点数量动态变化与节点间信任关系对IC模型进行改进,结合社会影响力与库仑力之间的相似性,提出一种基于信任关系的动态社会库仑力(dynamic social Coulomb forces based on trust relationship,DSC-TR)模型,构建一种优化的随机贪心(random greedy,RG-DPIM)算法求解影响最大化问题。仿真实验结果表明,DSC-TR模型的预测准确度明显优于SC-B、IC模型;RG-DPIM算法性能优于G-DPIM、IPA、TDIA算法。展开更多
文摘影响力最大化问题已经成为社会网络中重要的研究内容,其影响力传播模型和求解算法是关键的核心问题。为了提高预测传播结果的准确度,引入传播过程中激活节点数量动态变化与节点间信任关系对IC模型进行改进,结合社会影响力与库仑力之间的相似性,提出一种基于信任关系的动态社会库仑力(dynamic social Coulomb forces based on trust relationship,DSC-TR)模型,构建一种优化的随机贪心(random greedy,RG-DPIM)算法求解影响最大化问题。仿真实验结果表明,DSC-TR模型的预测准确度明显优于SC-B、IC模型;RG-DPIM算法性能优于G-DPIM、IPA、TDIA算法。