影响最大化问题是在社交网络上找到一组有影响力的用户,使得期望的影响范围最大化。然而,已有的研究工作没有考虑用户之间有效的传播时间区间,而且忽略了营销时间对于选取初始用户的影响。基于真实用户动作日志,确定了用户之间有效的传...影响最大化问题是在社交网络上找到一组有影响力的用户,使得期望的影响范围最大化。然而,已有的研究工作没有考虑用户之间有效的传播时间区间,而且忽略了营销时间对于选取初始用户的影响。基于真实用户动作日志,确定了用户之间有效的传播时间区间,并提出了一个基于时间的影响力分配模型(influence power allocating model based on time,IPAT)。根据该模型,提出了基于真实时间的影响力最大化问题(influence maximization problem based on time,IMPT)和饥饿营销模式中种集最小化问题(seed set minimization problem in hungry marketing,SMPHM),并证明了这两个问题都是NP-hard问题。为求解IMPT问题和SMPHM问题,分别提出了有效的近似算法A-IMPT(algorithm for IMPT)和A-SMPIB4(algorithm for SMPHM),并证明了算法A-IMPT和A-SMPHM的近似比。多个真实社交网络数据集上的实验验证了算法AMT和A-SMPHM的有效性和高效率。展开更多
文摘影响最大化问题是在社交网络上找到一组有影响力的用户,使得期望的影响范围最大化。然而,已有的研究工作没有考虑用户之间有效的传播时间区间,而且忽略了营销时间对于选取初始用户的影响。基于真实用户动作日志,确定了用户之间有效的传播时间区间,并提出了一个基于时间的影响力分配模型(influence power allocating model based on time,IPAT)。根据该模型,提出了基于真实时间的影响力最大化问题(influence maximization problem based on time,IMPT)和饥饿营销模式中种集最小化问题(seed set minimization problem in hungry marketing,SMPHM),并证明了这两个问题都是NP-hard问题。为求解IMPT问题和SMPHM问题,分别提出了有效的近似算法A-IMPT(algorithm for IMPT)和A-SMPIB4(algorithm for SMPHM),并证明了算法A-IMPT和A-SMPHM的近似比。多个真实社交网络数据集上的实验验证了算法AMT和A-SMPHM的有效性和高效率。
