异质社会网中基于信息熵的影响最大化算法

提出了异质社会网中基于信息熵的影响最大化算法(Influence Maximization algorithm based on Information Entropy in Heterogeneous social networks,IMIEH).首先,考虑不同类型节点所携带信息不同以及不同节点所传递信息不同,提出参与熵和交互熵的概念,进而计算节点间的影响权重;然后,基于线性阈值模型,计算节点的全局影响;最后,根据节点的边际增益选择种子集.实验结果表明,与MPIE,SimPath和DAGIM算法相比,提出算法选择的种子集具有更大的影响范围.

基于图熵的社会网络演化分析

通过图熵测度来描述在网络演化过程中网络的有序性,并在安然数据集上得出全局属性和局部属性在网络演化中有序性的不同趋势,这体现社会网络的一个主要特征,即多尺度上的不一致性.然后通过熵参与度来识别网络中的重要结点.最后,从理论上解释全局属性和局部属性在有序性上网络演化呈现不同趋势的原因.