[发明专利]独立级联模型下基于最大似然的影响力最大化方法在审
| 申请号： | 201711439468.0 | 申请日： | 2017-12-22 |
| 公开（公告）号： | CN108073552A | 公开（公告）日： | 2018-05-25 |
| 发明（设计）人： | 刘维;陈昕;马良玉 | 申请（专利权）人： | 扬州大学 |
| 主分类号： | G06F17/18 | 分类号： | G06F17/18;G06F17/30;G06Q50/00 |
| 代理公司： | 南京中新达专利代理有限公司 32226 | 代理人： | 孙鸥;朱杰 |
| 地址： | 225009 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 最大似然概率 复杂网络 最大似然 最大化 级联 种子节点集合 内存消耗 条件筛选 预测结果 种子节点 最短路径 分层 算法 排序 抽样 筛选 分解 | ||
1.独立级联模型下基于最大似然的影响力最大化方法，其特征在于如下步骤：
(1)在复杂网络中确定种子节点；
(2)构造基于抽样的缩略图以及顶点分层：基于独立级联模型IC，每条边上都赋予对应的概率，依据构造方法，考虑入度为0的节点，且考虑到不存在入度为0的情况下，将边的概率值作为构造依据进行缩略图的构造；
(3)计算构造的缩略图中所有顶点的最大似然概率值：根据给定的计算公式进行计算；
(4)选取k个最小的最大似然概率值节点：对所有节点的最大似然概率值进行排序，筛选出k个节点。
2.根据权利要求1所述的独立级联模型下基于最大似然的影响力最大化方法，其特征在于所述步骤(2)构造基于抽样的缩略图以及顶点分层：首先，考虑到网络图中入度为0的顶点同时，也考虑到两个节点u和v之间连接边的概率，不只把入度为0作为构造缩略图的唯一依据，同时考虑到不存在入度为0的情况下，将边的概率值作为构造依据；通过以入度为0和边上的概率作为构造缩略图的研究，能够构造出更为精准的缩略图和顶点分层。
3.根据权利要求1所述的独立级联模型下基于最大似然的影响力最大化方法，其特征在于所述步骤(4)选取k个最小的最大似然概率值节点：通过步骤(2)我们得到关于顶点的分层{U
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于扬州大学，未经扬州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711439468.0/1.html，转载请声明来源钻瓜专利网。
