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...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.展开更多
文摘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.
