[发明专利]一种面向动态社交网络的影响力最大化分析方法

摘要

本发明公开了一种面向动态社交网络的影响力最大化分析方法，该方法具体过程：(1)获取激活概率，通过使用影响力延迟分布函数幂率分布将时间因素加入到激活概率中；(2)建立影响力传播模型LAIC；(3)执行贪心算法，利用贪心算法计算每个节点的初始边际收益；(4)使用CELF算法对原始贪心算法进行优化，通过影响力函数的子模特性和影响力优先队列提高了搜索种子节点的效率。本发明通过分析时间因素在影响力传播中的作用，使用了一种与真实社交网络节点度分布相一致的分布函数幂率分布，最终在选取最有影响力的TOP‑K节点上取得了优秀的成果和合理的运行时间，有效地解决动态社交网络影响力最大化问题。

主权项

1.一种面向动态社交网络的影响力最大化分析方法，其特征在于，所述方法包括下列步骤：(1)构建社交网络图：G＝(V,E)，其中G代表社交网络，V代表节点集合，E代表网络的边集合；(2)获取激活概率：在面向动态社交网络时，通过使用影响力延迟分布函数将时间因素加入到激活概率，则该激活概率为其中p_uv代表初始激活概率，设为1/indegree(v)，δt代表影响力延迟，从影响力延迟分布函数中获取，影响力延迟分布函数为幂率分布；(3)建立影响力传播模型：采用LAIC模型以及在步骤(2)中得到的激活概率进行影响力传播模型的构建；(4)执行贪心算法：利用原始贪心算法以及在步骤(3)得到的LAIC模型进行影响力的传播；(5)使用CELF算法优化：利用CELF算法对步骤(4)所使用的贪心算法进行运行效率优化。