[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

说明书

本发明公开了一种实现影响力最大化的初始节点选取方法，其针对社交网络中多种影响同时传播的场景，将从众意识引入传播过程中，针对从众意识的传播模型提出了逆向采用采样方法、初始节点选取方法和初始节点估计方法，首先对影响网络进行逆向采用采样，随后根据逆向采用采样的样本，迭代地计算初始节点，直到采用估计方法判断采用收益满足精度要求为止，否则加倍采样规模，重复以上步骤。从众意识的传播模型更加科学和真实地建模传播过程，初始节点选取方法能够准确、高效地选取初始节点，并能够适应大规模网络结构，提高了初始节点选取方法的时效性。

技术领域

本发明属于计算机信息技术领域，更具体地，涉及一种实现影响力最大化的初始节点选取方法和系统。

背景技术

互联网的发展不仅为人类提供了便利的生活，更改变了人类生活和工作方式。随着Facebook、微博等网络应用兴起和移动网络终端的普及，在线社交网络将分散在不同地域、拥有不同信仰、隶属于不同国家和组织的人们连接在一起，形成一个巨大的信息交通网络。大规模的社交网络的信息传播蕴含着巨大的经济与社会价值(如可用于广告营销和政策推广)，因此如何选取初始节点以实现影响力最大化(Influence maximization，简称IM)，已经成为社交网络技术领域一个重要的研究问题。

现有的初始节点选择方法主要是基于独立级联(Independent cascade，简称IC)模型或者线性阈值(Linear threshold，简称LT)模型，其使用基于仿真模拟的方法、启发式的方法或逆向影响采样的方法来确定初始节点的影响。然而，现有的初始节点选择方法所使用的模型仍然具有不可忽略的技术问题：由于其没有考虑从众行为，使得建立的模型不够真实，因而获取的影响值不够精确，最终导致选择的初始节点不够理想。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种实现影响力最大化的初始节点选取方法和系统，其目的在于，解决现有初始节点选择方法所采用的模型由于没有考虑从众行为，使得建立的模型不够真实，导致获取的影响值不够精确、选择的初始节点不够理想的技术问题；此外，本发明中提出的传播模型增强传播模型的真实性和科学性，也提升了传播模型的适用范围；最后，本发明中提出的初始节点选择方法提高了初始节点选择方法的时效性。

为实现上述目的，按照本发明的一个方面，提供了一种实现影响力最大化的初始节点选取方法，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；

(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初始节点集，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，用于表示执行步骤(5)逆向采用采样的次数，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)，否则输出并进入步骤(7)；