典型文献
基于社交网络的影响力最大化算法
文献摘要：
影响力最大化问题研究在给定传播模型下如何选取社交网络中的一组种子用户,使信息通过这些用户实现最大范围的传播.现有算法主要存在2个问题:一是由于影响范围有限、时间复杂度高,难以适用于大规模社交网络;二是仅局限于特定传播模型,只能解决单一类型社交网络下的影响力最大化问题,当使用在不同类型社交网络上时效果较差.对此,基于2个经典影响力传播模型,结合反向影响采样技术,提出一种高效的影响力最大化(MTIM)算法.为验证MTIM算法的高效性,将其与IMM、TIM和PMC等贪心算法,以及OneHop和Degree Discount等启发式算法在4个真实社交网络上进行对比实验,结果表明MTIM算法能够提供(1-1/e-ε)近似保证,显著扩大影响范围,并有效提高运行效率.
文献关键词：
社交网络;影响力最大化;种子集;传播模型
中图分类号：
作者姓名：
王璿;张瑜;周军锋;陈子阳
作者机构：
东华大学计算机科学与技术学院,上海201620;上海立信会计金融学院信息管理学院,上海 201620
文献出处：
引用格式：
[1]王璿;张瑜;周军锋;陈子阳-.基于社交网络的影响力最大化算法)[J].通信学报,2022(08):151-163
A类：
经典影响力,MTIM,OneHop,Discount
B类：
社交网络,影响力最大化,传播模型,种子用户,影响范围,时间复杂度,影响力传播,IMM,PMC,贪心算法,Degree,启发式算法,提高运行效率,种子集
AB值：
0.219722
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
