大规模时序图中种子节点挖掘算法研究

针对现有基于时序图的影响力最大化算法多因时间效率低或影响范围窄,不适用于大规模网络的问题,提出了一种融合启发式算法和贪心策略的种子节点挖掘算法(CHG)。首先,基于时序图中信息传播的时序性,给出了节点二阶度概念,并以此对节点影响力进行启发式评估;其次,根据影响力评估结果对节点进行初步过滤筛选,构建候选种子节点集;最后,通过计算候选种子节点的边际效应,解决节点间影响范围重叠问题,保证获取最优种子节点组合。在3个不同规模的时序网络数据集上进行了实验,实验结果表明,所提算法在相对较短的运行时间下,仍能够保证所得种子节点集具有较高的网络全局影响力,在时间效率与种子节点集影响范围2个方面取得了更好的平衡。