[发明专利]一种实现影响力最大化的初始节点选取方法和系统

权利要求书

1.一种实现影响力最大化的初始节点选取方法，其特征在于，包括以下步骤：

(1)根据建立好的传播模型构建影响图，并根据构建的影响图生成第一初始节点集S_C，用于传播其他有竞争关系的影响；

(2)根据预设的精度参数ε和δ，利用停止-校验SSA算法获取阈值T₀，对(1)中获得的影响图进行T₀次逆向采用采样，并将所有采样获得的T₀个样本放入样本集合中；其中阈值T₀的计算公式为其中，函数n表示影响图中的节点总数；

(3)依据步骤(2)中返回的样本集合迭代地从影响图中选择k个采用边缘收益最大的节点作为第二初始节点集S，并获得第二初始节点集S的采用的有偏估计其中0kn；

(4)设置计数器c10＝0，并设置步骤(3)中获得的第二初始节点集S的总采用SUM₂＝0；

(5)对影响图进行逆向采用采样，计算步骤(3)中获得的第二初始节点集S在本次采样中获得的采用A_c10，并更新步骤(3)中获得的第二初始节点集S的总采用SUM₂＝SUM₂+A_c10；

(6)判断计数器c10是否小于阈值T₂且第二初始节点集S的总采用SUM₂是否小于阈值T₃，如果是则设置c10＝c10+1，并返回步骤(5)，否则输出无偏估计并进入步骤(7)，其中n表示影响图中的节点总数；

(7)判断步骤(3)中获得的第二初始节点集S的有偏估计与步骤(6)中获得的第二初始节点集S的无偏估计是否满足如果满足，则直接输出第二初始节点集S作为结果，过程结束，否则更新步骤(2)中使用的采样次数T₀＝2*T₀，并返回步骤(2)，其中ε₁表示权值。

2.根据权利要求1所述的初始节点选取方法，其特征在于，影响图被表示为G＝(V,E,p)，其中V表示节点的集合，E表示有向边的集合，p表示所有边被预先分配的激活概率的函数，每条边具有一个预先分配的激活概率p(u,v)∈[0,1]，表示节点u激活节点v的概率。

3.根据权利要求1所述的初始节点选取方法，其特征在于，传播模型的传播过程如下：

首先，在0时刻，不同的影响激活各自的初始节点，以启动传播过程；不同的影响可选择相同的节点作为初始节点；

然后，在t时刻，已经在t-1时刻被激活的节点在此时变为已激活状态，并尝试激活未被激活的邻居节点，如果激活尝试成功，被激活的节点将接收激活节点的所有影响，如果激活尝试未成功，则未被激活的节点保持未激活状态，在此之后，处于已激活状态的节点将依照从众的采用函数所定义的概率，采用其接收的影响中的一种，并最终变成已采用状态；

从众的采用函数h(u,I_i)定义概率如下：

其中，h(u,I_i)表示节点u采用影响I_i的概率，I是所有影响构成的集合，NA(u,I_i)表示激活了节点u且向其传播了影响I_i的邻居节点；

最后，传播过程在没有新的节点被激活时终止。

4.根据权利要求1所述的初始节点选取方法，其特征在于，

步骤(2)中的T₀个样本是单次逆向采用采样获得的数据，并包括节点集合R、节点集合R中每个节点w与其他节点之间距离的集合{d(u)|u∈R}、节点集合R中每个节点的激活节点集的集合{NA(u)|u∈R}、节点w与第一初始节点集S_C的距离d_C与节点w被第一初始节点集S_C中节点所传播的影响激活的总次数Time_C。