[发明专利]基于抽样的线性阈值模型下的影响力最大化方法

摘要

本发明提出了一种基于抽样的线性阈值模型下的影响力最大化方法，首先根据有向图中的所有路径，划分出许多顶点对并计算出所有顶点对(v，u)的正、负激活概率；然后始化种子集合S能激活其余节点的正、负影响力估计；再初始化正影响力效益值；使用新加入的种子计算种子集合对所有u∈V\S的正、负影响力估计；使用新加入种子x对u∈V\S计算x加入S之后可以产生的正影响效益；最后依据种子集合个数k确定种子集合S；本方法避免了大量的计算模拟，提高了速度，缩短了时间。

主权项

1.一种基于抽样的线性阈值模型下的影响力最大化方法，其特征在于，包括以下步骤：步骤1、给定有向图G＝(V，E)，根据有向图G中的所有路径，划分出许多顶点对(v，u)，并计算出有向图G的所有顶点对(v，u)的正、负激活概率P+(v，u)，P‑(v，u)；其中V代表有向图的所有节点，E代表有向图的所有边；步骤2、初始化种子集合S能激活其余节点u的正、负影响力估计G+(S，u)，G‑(S，u)；在求得G+(S，u)之后，要最大化传播后激活为正状态的顶点个数Np(S)，只需要最大化种子集合S的正影响力估计I+(S)＝∑u∈VG+(S，u)；步骤3、初始化正影响力效益值F(v)；步骤4、使用新加入的种子x计算种子集合S对所有u∈V\S的正、负影响力估计G+(S，u)，G‑(S，u)；步骤5、使用新加入种子x对所有u∈V\S计算正、负激活概率P+(v，u)，P‑(v，u)；步骤6、使用新加入种子x对u∈V\S计算x加入S之后可以产生的正影响效益I+(S+x)‑I+(S),记为F(S，x)，取使得F(S，x)最大的x节点，加入集合S中；步骤7、依据种子集合个数k确定种子集合S。