發(fā)布時(shí)間：2020-12-06 16:22

　　移動(dòng)互聯(lián)網(wǎng)、社交網(wǎng)絡(luò)愈發(fā)深刻地融入到人們的日常生活,特別是發(fā)展勢(shì)頭猛烈的網(wǎng)絡(luò)社交平臺(tái),對(duì)社會(huì)交往模式和信息傳播方式的改變起到了重要的作用。在口碑營(yíng)銷中,商家常常選取具有影響力的節(jié)點(diǎn)作為種子用戶,通過(guò)種子節(jié)點(diǎn)去傳播商家的產(chǎn)品,促使更多的消費(fèi)者知曉并購(gòu)買商家的產(chǎn)品。將該營(yíng)銷模式映射到網(wǎng)絡(luò)環(huán)境中,能夠通過(guò)種子節(jié)點(diǎn)實(shí)現(xiàn)信息傳播范圍的最大化。在社會(huì)網(wǎng)絡(luò)中,種子節(jié)點(diǎn)的影響力對(duì)網(wǎng)絡(luò)輿情的控制、謠言傳播的爆發(fā)等有著重要的作用。因此在社會(huì)網(wǎng)絡(luò)環(huán)境下,針對(duì)節(jié)點(diǎn)的影響力最大化問(wèn)題的研究具有重大的理論和現(xiàn)實(shí)意義。社會(huì)網(wǎng)絡(luò)影響力最大化問(wèn)題通常從算法和模型兩方面進(jìn)行研究,本文通過(guò)深入分析幾年來(lái)該問(wèn)題的研究成果,對(duì)現(xiàn)有的工作進(jìn)行了改進(jìn),并通過(guò)真實(shí)數(shù)據(jù)集驗(yàn)證了所提算法的有效性。本文的研究成果主要體現(xiàn)在以下幾個(gè)方面:（1）為了研究網(wǎng)絡(luò)中子群結(jié)構(gòu)對(duì)信息擴(kuò)散的影響,本文提出了一種基于控制擴(kuò)散成本的k-核精煉算法。該算法對(duì)節(jié)點(diǎn)在k_max-核和(k_max-1)-核的節(jié)點(diǎn)鄰居重疊分析對(duì)k_max-核進(jìn)行了范圍精煉。該算法解決了k_max-核內(nèi)影響... 

【文章來(lái)源】：山東師范大學(xué)山東省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

三種規(guī)則網(wǎng)絡(luò)

為利用遞歸方法依次刪除網(wǎng)絡(luò)中度值小于或者等于 k 的節(jié)點(diǎn)，直至所有節(jié)點(diǎn)都被遍歷一遍為止。給定無(wú)向網(wǎng)絡(luò) G=(V，E)。其中 V 代表節(jié)點(diǎn)集合，E 代表邊集合。假設(shè)初始網(wǎng)絡(luò)中 V=N，E=M，即網(wǎng)絡(luò) G 是由 N 個(gè)節(jié)點(diǎn)和 M 條邊組成的一個(gè)無(wú)向網(wǎng)絡(luò)，其中 ks值代表了 k-殼數(shù)。k-核具體分解過(guò)程如下：步驟(1)：首先刪除度值 k=1 的節(jié)點(diǎn)。初始刪除 k=1 的節(jié)點(diǎn)后，網(wǎng)絡(luò)中可能依然存在度值 k=1 的節(jié)點(diǎn)，此時(shí)繼續(xù)刪除，直至剩余節(jié)點(diǎn)的度值 k>1 為止。如圖 3.1 所示，采用黑箱理論去解析 k 核分解過(guò)程，假設(shè)網(wǎng)絡(luò)由矩形黃色區(qū)域和節(jié)點(diǎn) A，B 組成，其中矩形黃色區(qū)域內(nèi)的節(jié)點(diǎn)都有二階鄰居節(jié)點(diǎn)，藍(lán)色區(qū)域表示推理。初始分解刪除節(jié)點(diǎn) B 后，由于 A 節(jié)點(diǎn)的度值依然為 1，因此繼續(xù)刪除節(jié)點(diǎn) A。因此在執(zhí)行 k-核分解的第一步后，網(wǎng)絡(luò)輸出的應(yīng)為矩形黃色區(qū)域而非矩形黃色區(qū)域和節(jié)點(diǎn) A。步驟(2)：繼續(xù)刪除度值 k=2 的節(jié)點(diǎn)，迭代過(guò)程與步驟(1)相同。步驟(3)：依次將 k 值增加 1，直至所有節(jié)點(diǎn)被遍歷依次，分解過(guò)程結(jié)束。

為利用遞歸方法依次刪除網(wǎng)絡(luò)中度值小于或者等于 k 的節(jié)點(diǎn)，直至所有節(jié)點(diǎn)都被遍歷一遍為止。給定無(wú)向網(wǎng)絡(luò) G=(V，E)。其中 V 代表節(jié)點(diǎn)集合，E 代表邊集合。假設(shè)初始網(wǎng)絡(luò)中 V=N，E=M，即網(wǎng)絡(luò) G 是由 N 個(gè)節(jié)點(diǎn)和 M 條邊組成的一個(gè)無(wú)向網(wǎng)絡(luò)，其中 ks值代表了 k-殼數(shù)。k-核具體分解過(guò)程如下：步驟(1)：首先刪除度值 k=1 的節(jié)點(diǎn)。初始刪除 k=1 的節(jié)點(diǎn)后，網(wǎng)絡(luò)中可能依然存在度值 k=1 的節(jié)點(diǎn)，此時(shí)繼續(xù)刪除，直至剩余節(jié)點(diǎn)的度值 k>1 為止。如圖 3.1 所示，采用黑箱理論去解析 k 核分解過(guò)程，假設(shè)網(wǎng)絡(luò)由矩形黃色區(qū)域和節(jié)點(diǎn) A，B 組成，其中矩形黃色區(qū)域內(nèi)的節(jié)點(diǎn)都有二階鄰居節(jié)點(diǎn)，藍(lán)色區(qū)域表示推理。初始分解刪除節(jié)點(diǎn) B 后，由于 A 節(jié)點(diǎn)的度值依然為 1，因此繼續(xù)刪除節(jié)點(diǎn) A。因此在執(zhí)行 k-核分解的第一步后，網(wǎng)絡(luò)輸出的應(yīng)為矩形黃色區(qū)域而非矩形黃色區(qū)域和節(jié)點(diǎn) A。步驟(2)：繼續(xù)刪除度值 k=2 的節(jié)點(diǎn)，迭代過(guò)程與步驟(1)相同。步驟(3)：依次將 k 值增加 1，直至所有節(jié)點(diǎn)被遍歷依次，分解過(guò)程結(jié)束。

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜網(wǎng)絡(luò)上的演化博弈動(dòng)力學(xué)——一個(gè)計(jì)算視角的綜述[J]. 譚少林,呂金虎.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2017(04)
[2]復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)影響力測(cè)度及其最大化研究綜述[J]. 張應(yīng)青,羅明,李星.  現(xiàn)代情報(bào). 2017(01)
[3]社會(huì)網(wǎng)絡(luò)節(jié)點(diǎn)影響力分析研究[J]. 韓忠明,陳炎,劉雯,原碧鴻,李夢(mèng)琪,段大高.  軟件學(xué)報(bào). 2017(01)
[4]基于啟發(fā)式和貪心策略的社交網(wǎng)絡(luò)影響最大化算法[J]. 曹玖新,閔繪宇,徐順,劉波.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[5]在影響力最大化問(wèn)題中尋找種子節(jié)點(diǎn)的替補(bǔ)節(jié)點(diǎn)[J]. 馬茜,馬軍.  計(jì)算機(jī)學(xué)報(bào). 2017(03)
[6]復(fù)雜網(wǎng)絡(luò)上流行病傳播動(dòng)力學(xué)的爆發(fā)閾值解析綜述[J]. 李睿琪,王偉,舒盼盼,楊慧,潘黎明,崔愛(ài)香,唐明.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2016(01)
[7]基于OSN的謠言傳播模型及影響力節(jié)點(diǎn)研究[J]. 蒙在橋,傅秀芬,陳培文,陸靖橋.  復(fù)雜系統(tǒng)與復(fù)雜性科學(xué). 2015(03)
[8]TTRank:基于傾向性轉(zhuǎn)變的用戶影響力排序[J]. 段松青,吳斌,王柏.  計(jì)算機(jī)研究與發(fā)展. 2014(10)
[9]一種基于k-核的社會(huì)網(wǎng)絡(luò)影響最大化算法[J]. 曹玖新,董丹,徐順,鄭嘯,劉波,羅軍舟.  計(jì)算機(jī)學(xué)報(bào). 2015(02)
[10]在線社交網(wǎng)絡(luò)影響力分析[J]. 吳信東,李毅,李磊.  計(jì)算機(jī)學(xué)報(bào). 2014(04)



本文編號(hào)：2901678