用户行为驱动的时序影响力最大化问题研究

作     者：魏鹏 马玉亮 袁野 吴安彪 WEI Peng;MA Yu-liang;YUAN Ye;WU An-biao

作者机构：东北大学计算机科学与工程学院沈阳110000 东北大学工商管理学院沈阳110000 北京理工大学计算机学院北京100081 

基　　金：国家自然科学基金(61932004,62002054) 中国博士后科学基金(2020M670780) 东北大学博士后科研基金 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2022年第49卷第6期

页      码：119-126页

摘      要：影响力最大化IM问题旨在查找社交网络中的一组用户,通过这些用户,使信息在网络中传播的范围最大化。现有研究主要关注静态网络中的IM问题,然而在现实生活中,社交网络是不断演化的,基于静态网络的传播模型(如独立级联模型、线性阈值模型)无法适用于演化网络中的信息传播过程。同时,现有研究忽略了用户行为对信息传播的影响。因此,针对该问题,提出了一种用户行为驱动的独立级联BDIC传播模型,该模型主要根据用户行为对信息的传播过程进行建模,可有效刻画演化社交网络中的信息传播过程。在该模型的基础上,提出了用户行为驱动的影响力最大化算法,主要包括3个步骤:首先,建模消息传播过程,计算演化社交网络中的信息传播概率;然后,提出一种用户行为驱动的反向影响力采样方法,有效查询单个时间点下的种子用户;最后,设计一种不同时间节点(时间序列)下的种子节点查询方法,有效反映演化社交网络中种子节点动态变化的特性。为了评估所提算法的有效性,设计了种子节点与受影响节点的相似度对比方法。通过大量真实数据集上的实验,验证了信息传播概率算法的高效性和扩展性,证明了相比普通的独立级联模型,BDIC模型能更好地建模演化社交网络中的信息传播过程。

主 题 词：演化社交网络 行为驱动模型 影响力最大化 传播概率矩阵 反向可达集 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.11896/jsjkx.210700145

馆 藏 号：203111928...