[发明专利]基于文化基因算法的社交网络影响最大化方法

说明书

技术领域

本发明属于社交网络技术领域，特别涉及一种找出社交网络中具有最佳影响力个体组合的方法，可用于分析和研究社交网络的信息传播机制。

背景技术

社交网络是现代生活中最为常见的也是最为直观的复杂社会网络，它由网络中每个个体的人际关系网络构成。其中，网络中的每个节点代表社会生活中的每一个个体，而网络的边就是个体相对应的人际关系，常见的社交网络有合作网络、信任网络以及交友网络等。由于个体之间的相互交流和人际关系与我们的生活、学习以及工作密切联系，因此对社交网络进行分析对人类社会有着重要的研究意义和价值。

近年来，随着Web 2.0的出现和互联网信息技术的迅猛发展，一系列的在线交友网络出现在人们的生活当中，具有代表性的有Facebook、Twitter、QQ以及目前快速发展的微博社交网络平台等。这些在线社交网络不受空间和时间的限制，能够使人们交流越来越频繁，联系也越来越紧密，极大地推动了社交网络的发展。社交网络的共同特点就是规模庞大，使用人群的年龄、行业等复杂多样，且设计的话题覆盖面广，信息量大。

社交网络的信息传播，作为社会网络的热点研究话题，是理解、获取和预测市场营销、社会安全以及Web搜索等领域中信息传播过程的基础和依据。目前，众多企业已经广泛地利用社交网络的信息传播机制，将社交网络视为市场营销的平台，进行新产品和新服务的推广。相比于传统的方法，这种市场营销手段往往能够以很小的代价，达到以一传百甚至传千的效果，从而使企业获得极大的利润。社交网络影响最大化问题就可以具体解释为，在社交网络中推广某种新型产品或者服务时，如何选择首次推广的用户从而使得该产品或服务由其推广到网络中更多的个体，或者将“种子短信”发给哪些手机用户可以获得更大范围的转发；从另一个角度来讲，当传染病来临时，应该采取何种接种免疫策略来避免和控制传染病的传播，或者根据网络的信息传播机制，如何有效地控制在线社交网络中的谣言传播，维护网络安全等。

目前，社交网络信息影响最大化的研究已经涉及到社会学、经济学、信息传播学、统计学以及计算机网络学等多个领域，其中较为典型的社交网络包括科学家合作网络、电子邮件网络、金融信任网络以及复杂多样的在线交友网络等。关于如何去定量地分析和理解以及如何有效地解决社交网络信息影响最大化问题，目前也已经引起科学界的广泛关注和研究。除此之外，其背后蕴藏的深刻的社会意义和巨大的商业价值也在很大的程度上促进了该问题的研究和发展。

在现有的针对社交网络信息影响最大化问题的研究中，其内容主要分为两个方面，分别是如何建立合理的动力学模型去分析和模拟真实的社交网络信息传播机制以及在此基础上，如何挖掘网络中可以使得信息传播最大化的种子节点集合。目前，在网络信息传播领域中，较为常用的两种基本动力学分析模型分别称为独立级联模型和线性阈值模型，其根据网络的不同特征，分别从不同地角度分析了信息如何在网络中进行传播。除了上述的两种传播机制，还有最初针对传染病传播机制的SIR模型和SIS模型。

网络信息影响最大化问题最早为经济市场学领域的产品推广问题。商家为了广泛推广其产品，如何有选择地去推广给一些有影响的人群，从而使产品达到最大范围的推广。Domingos和Richardson在“Mining the network value of customers”(《Processdings of the ASM SIGKDD Conference on Knowledge Discovery and Data Mining》，2001，page 57-66)中第一次将这个问题以一个算法问题提出来，并且通过使用一种基于概率模型的方法去尝试解决它。在“Maximizing the spread of influence through a social network”(《Processdings of the ASM SIGKDD Conference on Knowledge Discovery and Data Mining》，2003，pages 137-146)一文中Kempe等人将该问题阐述为一个组合优化问题，称之为网络影响最大化问题，并通过提出一种基于爬山策略的贪婪算法对其进行了求解。