[发明专利]社会网中基于主题兴趣的影响最大化方法

说明书

社会网中基于主题兴趣的影响最大化方法，本发明涉及主题兴趣的影响最大化方法。本发明的目的是为了解决现有IC模型没有考虑传播项的特征，假定对所有传播项目的影响概率都是相同的；以及现有TIC模型没有考虑到用户的兴趣分布，不能准确地描述信息传播规律，导致信息传播预测准确率低的问题。本发明过程为：步骤一、建立基于主题兴趣的传播模型TI‑IC；步骤二、利用EM算法学习TI‑IC模型的参数和新传播项的主题分布向量；步骤三、基于步骤二提出针对TI‑IC模型的影响最大化算法。本发明用于社交网的影响最大化问题领域。

技术领域

本发明涉及主题兴趣的影响最大化方法。

背景技术

近年来，随着社交应用的普及，人们信息获取的方式发生了很大的改变。通过在线社交网络转发和分享消息逐渐成为了人们获取信息的主要方式。很多在线社交网站允许用户对信息进行转发、评论、标记或其他一些类似的操作。如果能充分挖掘社交网络中这些海量数据，发现传播规律，将促进新思想、新产品在社交网上快速传播。

为了利用社交网进行病毒式营销，Kempe等人^[1]等人首次提出了影响最大化问题：选取一个大小为k的初始用户集合(种集)，使得在给定传播模型下，最终被影响的用户数量最大。文献^[1]同时在两个个经典的传播模型(独立级联模型IC和线性阈值模型LT)给出了贪心算法。此后，影响最大化问题被广泛研究。一方面，为了扩展到大规模社交网络上，经典传播模型上高效的影响最大化算法^[2-5]相继被提出；

[1]Kempe D,Kleinberg J.Maximizing the spread of influence through asocial network[C]//Proc of the 9th ACM SIGKDD Int Conf on Knowledge Discoveryand Data Mining.New York:ACM,2003:137-146

[2]Chen Wei,Wang Yajun,Yang Siyu.Efficient influence maximization insocial networks[C]//Proc of the 15th ACM SIGKDD Int Conf on KnowledgeDiscovery and Data Mining.New York:ACM,2009:199-208

[3]Chen Wei,Wang Chi,Wang Yajun.Scalable influence maximization forprevalent viral marketing in large-scale social networks[C]//Proc of the 16thACM SIGKDD Int Conf on Knowledge Discovery and Data Mining.New York:ACM,2010:1029-1038

[4]Kim J,Kim S K,Yu H.Scalable and parallelizable processing ofinfluence maximization for large-scale social networks[C]//Proc of the 29thInt Conf on Data Engineering.Piscataway,NJ:IEEE,2013:266-277

[5]Li Yuchen,Zhang Dongxiang,Tan Kian-Lee.Real-time targetedinfluence maximization for online advertisements[J].Proceedings of the VLDBEndowment,2015,8(10):1070-1081)

另一方面，为了更精确地模拟信息传播过程，一些新的传播模型[6-8]相继被提出。