[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： | 本发明涉及独立级联模型下基于最大似然的影响力最大化方法。本发明在复杂网络中确定种子节点，构造基于抽样的缩略图以及顶点分层，计算构造的缩略图中所有顶点的最大似然概率值，对所有的最大似然概率值进行排序，筛选出k个节点。本发明克服了Degree方法在识别有影响力节点方面缺乏准确性，CascadeDiscount方法计算复杂，内存消耗大且运行时间也比较长等缺陷。本发明提出一种构造缩略图的方法从而将复杂网络进行分解，按照条件筛选出包含k个节点的种子节点集合S，避免之前算法中寻找最短路径等其他条件，从而减少了许多不必要的计算，使得预测结果更加的准确，可靠性更高。 | ||
| 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 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201711439468.0/，转载请声明来源钻瓜专利网。
