期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 基于社区结构的影响力最大化算法
郭进时 汤红波 吴凯 杨森
计算机应用    2013, 33 (09): 2436-2439.   DOI: 10.11772/j.issn.1001-9081.2013.09.2436
摘要687)      PDF (782KB)(648)    收藏
现有的社会网络影响力算法及模型的较高的时间复杂度已不适用于网络规模不断壮大的社会网络服务。针对上述问题,提出了一种基于网络社区结构的影响力最大化算法。首先评估各个社区中节点的影响力,挖掘其核心节点成员;继而在核心节点集和连接社区间的弱纽带节点中选取若干具有影响潜力的初始节点集,使其以最小的代价让信息在网络中得到最广泛的传播。实验结果表明:该算法不仅大大降低了时间复杂度,还获得了接近贪心算法的影响范围,影响覆盖率达到了90%以上。
相关文章 | 多维度评价
2. 基于微博网络的影响力最大化算法
吴凯 季新生 郭进时 刘彩霞
计算机应用    2013, 33 (08): 2091-2094.   DOI: 10.11772/j.issn.1001-9081.2013.08.2091
摘要1044)      PDF (648KB)(1535)    收藏
由于影响范围的重叠效应,单纯的影响力度量算法并不能解决微博网络中的影响力最大化问题,针对这一研究现状,提出一种用于微博网络中Top-K节点挖掘的算法GABE。通过归纳决定微博用户影响力的关键因素,提出了节点间影响率的概念,进而建立了用于用户影响力度量的WIR算法;根据得到的WIR值提出了符合微博特性的影响力传播模型,运用贪婪算法挖掘出微博网络中的Top-K节点。以爬取到的新浪微博数据进行了模拟验证,结果发现GABE在影响范围上与传统的最大化算法和影响力度量算法相比分别提高了7.7%和20%。这表明通过引入微博特性和贪婪思想,GABE较好地解决了微博网络中的影响力最大化问题。
参考文献 | 相关文章 | 多维度评价