代数连通性在社会网络影响力传播最大化中的应用研究

针对社会网络信息传播的研究多集中于具体应用场景中的传播机制,而用户间关系所形成的网络拓扑结构对传播的影响却没有给予充分考虑,因此对信息扩散的分析应当综合考虑社会网络的传播机制和结构特征,把相关系数引入到割边模型可以有效解决重叠社团划分问题。在考虑社会网络拓扑结构特征的基础上,提出了基于代数连通性的社会网络影响传播最大化模型。模型以代数连通性为主要参量计算边的中心性,实现网络社区的快速划分,通过降维达到算法效率优化;模型挖掘社区内影响力大的核心节点、度中心节点和社区间的桥节点,从中选择top-k全局影响力最大的节点作为初始传播点集。实验结果显示,模型在传播影响范围和运行时间上都更具优势。

关联影响力传播最大化方法

社会网络中影响力传播最大化是社会网络分析领域所关注的重要问题。针对多个影响力同时进行传播,且影响力间存在传播促进的情况,提出关联影响力传播最大化问题。首先,对经典线性阈值模型进行扩展,提出关联影响力线性阈值模型对关联影响力传播过程进行建模;其次,定义了关联影响力传播最大化问题,证明了该问题是NP-hard的,以及问题目标函数满足子模性;再次,针对该问题提出基于结点激活贡献估计的求解算法;然后,利用结点激活贡献估计存在相互独立性,进一步提出了并行化求解算法,并在Spark GraphX并行图计算框架上实现了该算法;最后,在真实的社会网络数据集上,通过实验测试验证了所提出方法的有效性。

融合知识图谱的多层次传承影响力计算与泛化研究

影响力计算和分析在社交网络、网页重要度评估等领域有着广泛应用。对于有传承链和时间跨度因素的多层次影响力计算,目前尚缺乏较好且通用的解决办法。同时,传播影响力最大化计算是一个NP难题,近似算法求解准确度不高且计算复杂。针对上述问题,文中提出了融合知识图谱的多层次传承影响力与泛化算法,实现了传承影响力和传承关系的计算。该算法融合了知识图谱中的广度优先搜索层次计算模型,兼顾时间跨度限制计算传承影响力和传承链;为了优化计算效率,进一步使用深度优先搜索和不同层次加不同权重的策略,只计算前n层次的影响力;不仅能很好地计算传承影响力,还可以泛化成各种传播影响力计算模型。在此基础上,文中又提出了通过筛选传播影响力大的节点作为候选节点进行局部最优搜索的传播影响力最大化近似算法,该算法在运行速度和最大传播节点数上都取得了良好的效果。最后,通过多种仿真实验验证了所提方法的有效性。