【技术实现步骤摘要】
本专利技术属于计算机数据挖掘领域,具体涉及一种利用社区结构快速求解影响最大化问题的方法,尤其涉及大规模网络中的影响最大化求解问题。
技术介绍
影响最大化(InfluenceMaximization)是一个关于传播的优化问题。不论是某个公司的新产品或者某种理念的有效推广,还是对某种病毒或者灾害的有效控制,等一些其他同类型的问题,都避免不了考虑这样的一个问题,如何用有限的资源达到最好的效果。抽象为数学语言即为:对给定的网络G(V,E,W),(其中V代表图中的节点集合,E代表图中边的集合,W是从边集E的边到节点集V的节点对的映射所对应的权值)在V中寻找k个种子节点组成的集合S,在某种扩散模型下,最终的传播范围最广,即使得V中影响的节点数目σ(S)最大。由此可见,影响最大化的研究,具有很强的现实应用背景。在经典的LT(LinearThreshold)和IC(IndependentCascade)传播模型下,[1]不仅证明了影响最大化问题是NP-C问题,影响最大化函数σ(S)是次模函数,而且还提出了结合次模的贪心算法来解决此问题。该算法在理论上至少保证可达到最优目标的(1-1/e-ε)。其中,e是自然对数,ε是任意小的正整数。简单的说,结合次模的贪心算法至少达到对应最优目标的63%。(次模函数定义为:设集合对都有σ(U∪v)-σ(U)≥σ(T∪v)-σ(T),σ(S)≤σ(T)。也就是说,如果σ(·)是一个有限集合到非负整数的映射,且满足递增且边界递减效应,则σ(·)是次模函数)由于其算法的时间复杂度,导致其很难适应于大型网络。随后的研究主要分为,对已有模型下提出 ...
【技术保护点】
一种基于多层潜力和社区结构的影响最大化方法,其特征在于:包括两个阶段,第一阶段:社区间基于多层潜力的种子扩算;第二阶段:社区内的影响传播;在第一阶段,种子节点v尝试激活其处于未激活状态的邻居节点{u|u∈N(v),active(u)=0},此过程中被激活的节点记为S1,则有其中N(S)=∪v∈SN(v),接下来,S1又会尝试激活其处于未激活状态邻居节点{u|u∈N(S1)\S,active(u)=0},此过程中被激活的节点记为S2;在第二阶段,将节点影响的范围限制在其所在的社区中,对任意的社区影响规模取决于两个因素:1)社区Ci的大小|Ci|,2)S2的节点落在该社区的个数|S2∩Ci|,当|Ci|和|S2∩Ci|越大时,该社区的影响范围就越大;当|Ci|>>|S2∩Ci|时,该社区的影响取决于|S2∩Ci|的值;当|Ci|≈|S2∩Ci|时,该社区的影响取决于|Ci|的值。
【技术特征摘要】
1.一种基于多层潜力和社区结构的影响最大化方法,其特征在于:包括两个阶段,第一阶段:社区间基于多层潜力的种子扩算;第二阶...
【专利技术属性】
技术研发人员:尚家兴,武红春,周尚波,林晓然,齐颖,许冶金,
申请(专利权)人:重庆大学,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。