[发明专利]一种基于社区结构的影响最大化方法

摘要

本发明提出一种基于社区结构的影响最大化方法。影响最大化问题研究如何从网络中找到k个种子节点作为初始传播源，使传播的最终影响范围最广。该问题是一个NP难题，传统的贪心算法效率很低，而简单的启发式算法得不到高质量的解。为解决上述问题，本发明提出了基于社区结构的影响最大化模型。模型假设传播分为两个阶段：第一阶段是种子节点的扩张，在该阶段种子节点可以扩张到各个社区；第二阶段是社区内传播，即扩张后的种子节点在各个社区内部独立传播。基于该模型推导出目标函数的一种简化形式，并提出一个高效的种子选取算法。在五个真实数据集上的实验结果表明，本发明所提算法效率远高于传统的贪心算法，且准确性高于简单的启发式算法。

主权项

一种基于社区结构的影响最大化方法，其特征在于：该方法包括以下步骤：S1：针对影响最大化问题，基于社区结构建立两阶段传播模型：第一阶段为传播初期不同社区间种子节点的扩张；第二阶段为社区内部的独立传播，即不同社区间不再相互传播；在该模型中，将种子节点集合S称为一阶种子节点，其邻居节点集合N(S)称为二阶种子节点，所述第一阶段就是从一阶种子节点到二阶种子节点的传播，第二阶段则是从二阶种子节点到社区内部其他节点的传播；在所述第一阶段中，传播主要从一阶种子节点S向二阶种子节点N(S)进行；由于二阶种子节点可能分布于不同的社区，因此这一阶段相当于把种子在不同的社区间进行扩散；给定一阶种子节点S，对任意一个二阶种子节点v∈N(S)，在经过第一阶段的传播之后，该节点处于活跃状态的概率是：$P_v\left(S\right)=1-\underset{u\∈N\left(v\right)\∩S}{\Π}(1-p_{uv})$其中，p_uv是节点u到节点v的传播概率；在所述第二阶段中，传播只在社区内部进行，而不同社区间不会进行传播且每个社区内的传播行为相互独立；最终某个社区C内被影响的节点数取决于：社区包含的节点集合、一阶种子节点和二阶种子节点；因此，将其定义为一个函数f(S,S',C)，其中S和S'分别为一阶和二阶种子节点；整个网络的影响范围为：$f\left(S\right)=\underset{C\∈C}{\Σ}f(S,S^{\′},C);$S2：根据步骤S1的结果将基于社区结构的影响最大化问题转化为：给定一个带非重叠社区结构C的网络G(V,E)以及相应的传播模型，寻找一个大小为k的种子节点集合S^*，使得公式中的影响函数f(S)最大化，即：S^*＝arg_Smaxf(S)。