基于抽样的线性阈值模型下的影响力最大化方法技术
【技术实现步骤摘要】
基于抽样的线性阈值模型下的影响力最大化方法
本专利技术属于社会网络科学领域，特别是一种基于抽样的线性阈值模型下的影响力最大化方法。
技术介绍
个体与个体、群体与个体之间存在着相互影响的关系，例如个体依赖于群体的行为有利于猎食或者减少被捕获的可能。人类作为具有复杂交流手段的高级社会性动物，社会影响力在社会生活中更是无处不在。小到听歌大到政治观点，我们的决定深刻的受着朋友、亲人的影响。深入的认识影响力的产生和传播模式有助于了解人类的个体和群体的行为，进而可以预期人们的行为，为政府、机构、企业等部门提供可靠地依据。在计算机科学领域，基于互联网和大数据的影响力传播研究也从21世纪开始兴起。影响力传播的研究主要有三大支柱：第一是影响力传播的模型，主要描述影响力在社交网络中如何传播、有何特点和性质；第二是影响力传播的学习，即如何利用网络大数据挖掘学习影响力传播模式和具体传播模型的参数；第三是影响力传播优化，着重于考虑在不同的传播模型下，如何通过施加外部作用(比如选取有影响力的初始传播用户和改变传播途径等)来扩大希望传播的影响力或者控制和减弱不希望传播的影响力，也包括有效的监控...
【技术保护点】
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、根据有向图中一个节点对另一个节点的影响力，计算出有向图G的所有可能世界G′的集合W(G)；步骤2、计算得到路径的激活概率：包括路径存在的概率I(s，v，G′)、可能世界的概率Pr(G′)；步骤3、使用Chernoff界和设定的参数(数学期望μ、误差ε、置信度δ)得到抽样后样本个数r；依据抽样后的样本个数r在可能世界集合W(G)中选取无偏抽样集合U(G′)；步骤4、计算有向图G中每一个节点v在无偏抽样集合U(G′)中的每一个可能世界下的种子集合s影响力大小函数σ(s)；步骤5、计算每一个节点u的...
【技术特征摘要】
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、根据有向图中一个节点对另一个节点的影响力，计算出有向图G的所有可能世界G′的集合W(G)；步骤2、计算得到路径的激活概率：包括路径存在的概率I(s，v，G′)、可能世界的概率Pr(G′)；步骤3、使用Chernoff界和设定的参数(数学期望μ、误差ε、置信度δ)得到抽样后样本个数r；依据抽样后的样本个数r在可能世界集合W(G)中选取无偏抽样集合U(G′)；步骤4、计算有向图G中每一个节点v在无偏抽样集合U(G′)中的每一个可能世界下的种子集合s影响力大小函数σ(s)；步骤5、计算每一个节点u的影响力指标Pr(u)和最终的影响力大小函数σ(s)，依据种子集合的个数确定种子集合s。2.如权利要求1所述的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，步骤1中计算有向图G的所有可能世界G′的集合W(G)，具体过程如下：有向图中节点u对节点v的影响力存储在边(u,v)上的值介于0和1之间，数值越大则说明节点间的影响力越大，节点v越容易被节点u所影响；其中(u,v)被作为u和v之间的有向边存在的概率，采用Monto-Carlo方法进行多次模拟可以得到所有可能世界的集合W(G)。3.如权利要求1所述的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，步骤2中计算路径存在的概率I(s，v，G′)，具体过程如下：对于由种子集合s出发得到的所有路径计算得出∑v∈VI(s，v，G′)，从种子集合s中出发在可能世界G′上进行游走最终可达到节点v，I(s，v，G′)则记为1，具体的计算如下：其中v是有向图中的单个节点，V是有向图G节点的集合。4.如权利要求1所述的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，步骤2中计算可能世界存在的概率Pr(G′)，具体过程如下：由于一个可能世界G′是对边的抽样得到的，那么可能世界G′存在的概率可以依据在有向图G中每一条边存在或者不存在的概率来得到，即∏e∈E′P(e)∏e∈E-E′[1-P(e)]计算得到Pr(G′)，其中，E是有向图G中所有的边，E′是在可能世界G′中存在的边，P(e)是边e存在的概率。5.如权利要求1所述的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，步骤3中使用Chernoff界和设定的参数(数学期望μ、误差ε、置信度δ)得到抽样后样本个数r，具体过程如下：定义G′i是抽样后可能世界集合U(G′)的第i个具体的可能世界；定义I1，I2，I3，......Ir为可能世界G′1，G′2，G′3，......G′r的变量I(s，v，G′)，且数学期望μ＝E[G′i]，其中Ii(i∈[1，r])为G′i的变量I...
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。