[发明专利]基于抽样的线性阈值模型下的影响力最大化方法

权利要求书

1.一种基于抽样的线性阈值模型下的影响力最大化方法，其特征在于，包括以下步骤：

步骤1、根据有向图中一个节点对另一个节点的影响力，计算出有向图G的所有可能世界G′的集合W(G)；

步骤2、计算得到路径的激活概率：包括路径存在的概率I(s，v，G′)、可能世界的概率Pr(G′)；

步骤3、使用Chernoff界和设定的参数(数学期望μ、误差ε、置信度δ)得到抽样后样本个数r；依据抽样后的样本个数r在可能世界集合W(G)中选取无偏抽样集合U(G′)；

步骤4、计算有向图G中每一个节点v在无偏抽样集合U(G′)中的每一个可能世界下的种子集合s影响力大小函数σ(s)；

步骤5、计算每一个节点u的影响力指标Pr(u)和最终的影响力大小函数σ(s)，依据种子集合的个数确定种子集合s。

2.如权利要求1所述的一种基于抽样的线性阈值模型下的影响力最大化方法，其特征在于，步骤1中计算有向图G的所有可能世界G′的集合W(G)，具体过程如下：

有向图中节点u对节点v的影响力存储在边(u,v)上的值介于0和1之间，数值越大则说明节点间的影响力越大，节点v越容易被节点u所影响；

其中(u,v)被作为u和v之间的有向边存在的概率，采用Monto-Carlo方法进行多次模拟可以得到所有可能世界的集合W(G)。

3.如权利要求1所述的一种基于抽样的线性阈值模型下的影响力最大化方法，其特征在于，步骤2中计算路径存在的概率I(s，v，G′)，具体过程如下：

对于由种子集合s出发得到的所有路径计算得出∑_v∈V I(s，v，G′)，从种子集合s中出发在可能世界G′上进行游走最终可达到节点v，I(s，v，G′)则记为1，具体的计算如下：

其中v是有向图中的单个节点，V是有向图G节点的集合。

4.如权利要求1所述的一种基于抽样的线性阈值模型下的影响力最大化方法，其特征在于，步骤2中计算可能世界存在的概率Pr(G′)，具体过程如下：

由于一个可能世界G′是对边的抽样得到的，那么可能世界G′存在的概率可以依据在有向图G中每一条边存在或者不存在的概率来得到，即

∏_e∈E′P(e)∏_e∈E-E′[1-P(e)]计算得到Pr(G′)，

其中，E是有向图G中所有的边，E′是在可能世界G′中存在的边，P(e)是边e存在的概率。