基于投票机制的社交网络影响力节点集识别算法

作     者：赵欢 徐桂琼 Zhao Huan;Xu Guiqiong

作者机构：上海大学管理学院信息管理系上海200444 

基　　金：国家社会科学基金项目(项目编号:23BGL270)的研究成果之一 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年第8卷第6期

页      码：107-118页

摘      要：【目的】为了降低社交网络中种子节点之间的影响重叠程度,提出基于投票机制的社交网络影响力节点集识别算法KSEVoteRank。【方法】综合考虑节点重要性和邻域信息,定义节点投票能力,设计投票分配策略,同时引入衰减因子折扣邻居的投票能力,最后基于投票得分迭代选出高影响力节点。【结果】实验结果表明,在大型社交网络Ca-AstroPh数据集中KSEVoteRank算法选出的影响力节点集的影响重叠程度比VoteRank算法降低约21%。【局限】在重复投票过程中,设置邻居的投票分配策略不变,可能导致一些误差。【结论】基于投票机制的KSEVoteRank算法能够分散性选取高影响力节点,实现较大范围的影响传播。

主 题 词：社交网络 影响最大化 投票机制 衰减因子 

学科分类：07[理学] 08[工学] 070104[070104] 0701[理学-数学类] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11925/infotech.2096-3467.2023.0374

馆 藏 号：203129392...