局部影响最大化问题是在社会网中寻找最能影响某个目标节点的种集。现有的研究只考虑对单一目标节点的影响,忽略了传播项上的主题分布以及用户之间基于主题的影响概率。重点研究了在主题分布的条件下,如何选取最能影响目标节点集合的种...局部影响最大化问题是在社会网中寻找最能影响某个目标节点的种集。现有的研究只考虑对单一目标节点的影响,忽略了传播项上的主题分布以及用户之间基于主题的影响概率。重点研究了在主题分布的条件下,如何选取最能影响目标节点集合的种集,提出了针对目标节点集合的局部影响程度计算方法(topicbased local influence degree computational method,T-LID),在此基础上提出了基于主题的局部影响最大化(topic-based local influence maximization,TLIM)问题,并证明了该问题为NP-hard问题。为求解TLIM问题,提出了基于主题的局部贪心算法(topic-based local greedy algorithm,TLGA)以及基于主题的局部传播算法(topic-based local propagation algorithm,TLPA)。多个真实数据的实验结果表明,所提算法可以有效并高效地求解基于主题的局部影响最大化问题。展开更多
文摘局部影响最大化问题是在社会网中寻找最能影响某个目标节点的种集。现有的研究只考虑对单一目标节点的影响,忽略了传播项上的主题分布以及用户之间基于主题的影响概率。重点研究了在主题分布的条件下,如何选取最能影响目标节点集合的种集,提出了针对目标节点集合的局部影响程度计算方法(topicbased local influence degree computational method,T-LID),在此基础上提出了基于主题的局部影响最大化(topic-based local influence maximization,TLIM)问题,并证明了该问题为NP-hard问题。为求解TLIM问题,提出了基于主题的局部贪心算法(topic-based local greedy algorithm,TLGA)以及基于主题的局部传播算法(topic-based local propagation algorithm,TLPA)。多个真实数据的实验结果表明,所提算法可以有效并高效地求解基于主题的局部影响最大化问题。
