[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

摘要

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。

主权项

1.一种实现影响力最大化的初始节点选取方法，其特征在于，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S，并获得初始节点集S的采用的有偏估计其中0<k<n；(4)设置计数器c10＝0，并设置步骤(3)中获得的初始节点集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)，其中n表示影响图中的节点总数；(7)判断步骤(3)中获得的初始节点集S的有偏估计与步骤(6)中获得的初始节点集S的无偏估计是否满足如果满足，则直接输出初始节点集S作为结果，过程结束，否则更新步骤(2)中使用的采样次数T₀＝2*T₀，并返回步骤(2)，其中ε₁表示权值。