一种基于K-shell分解的社交网络影响力最大化方法技术

本发明专利技术公开了一种基于K‑shell分解的社交网络影响力最大化方法，属于社交网络领域，本发明专利技术首先进行K‑shell分解，划分出核及每个核中的节点，考虑了位置属性的重要性；其次为了减少影响力重叠，采用了分配策略，从核心向外扩散，在每核选取种子定量节点，以便将种子节点分散开来；最后，利用混合度来精细化选取种子节点，不仅考虑节点本身的直接影响力，还考虑了邻居节点对其间接影响力。通过此种方法，不仅克服了时间效率低的问题，而且提高了影响范围的准确性，有效地解决了社交网络影响力最大化问题。

【技术实现步骤摘要】
一种基于K-shell分解的社交网络影响力最大化方法
本专利技术属于社交网络领域，具体涉及一种基于K-shell分解的社交网络影响力最大化方法。
技术介绍
随着社交网络的兴起，人们越来越倾向于在新浪微博、FaceBook、Twitter等社交网络进行交流沟通。社交网络作为重要的传播媒介，对舆论引导、信息传播等发挥着重大的作用。“口碑效应”和“病毒式营销”是社交网络研究的热点问题，如何利用有限的资源，使得信息的传播量最大化，我们就需要选择影响力最大的用户，通过这些用户去影响其他用户，从而达到最好的宣传效果，这就是社交网络影响力最大化。然而，该问题被证明是一个NP难问题。影响力最大化问题自从被Domingos和Richardson等提出后，取得了重大研究进展。2010年，MaksimKitsak等人在NaturePhysics杂志上发表一篇影响学术界的论文，该篇文献中首次提及K-shell分解算法，将复杂网络中节点的位置属性引入节点的影响力识别计算中，通过递归移去图中度数小于k的节点及与其连接的边来划分为子图即核，核数即为K-shell值，然后使用节点的K-shell值衡量节点的重要程度本文档来自技高网...

【技术保护点】
1.一种基于K‑shell分解的社交网络影响力最大化方法，其特征在于：包括以下步骤：步骤1：构建社交网络：G＝(V,E)；其中，G表示社交网络，V表示节点集合，E表示网络的边集合；步骤2：K‑shell分解，划分核；对输入的社交网络G进行K‑shell分解，产生M个核，即Ks＝(Ks1,Ks2,...Ksm)，同时，计算出每个核中的节点；其中，Ksm为最大核，即最核心位置，Km‑1为次核心位置，依次类推；步骤3：利用分配策略公式，确定每个核Ks选择种子节点的个数；结合核Ks和该核中节点的个数LKs，利用分配策略公式，计算出每个核Ks选择种子节点的个数Nseed(Ks)；步骤4：启发式地选择节点...

【技术特征摘要】
1.一种基于K-shell分解的社交网络影响力最大化方法，其特征在于：包括以下步骤：步骤1：构建社交网络：G＝(V,E)；其中，G表示社交网络，V表示节点集合，E表示网络的边集合；步骤2：K-shell分解，划分核；对输入的社交网络G进行K-shell分解，产生M个核，即Ks＝(Ks1,Ks2,...Ksm)，同时，计算出每个核中的节点；其中，Ksm为最大核，即最核心位置，Km-1为次核心位置，依次类推；步骤3：利用分配策略公式，确定每个核Ks选择种子节点的个数；结合核Ks和该核中节点的个数LKs，利用分配策略公式，计算出每个核Ks选择种子节点的个数Nseed(Ks)；步骤4：启发式地选择节点；启发式地从步骤2形成的核中，从最核心位置开始，依次向外扩散，从核中选取步骤3中计算的Nseed(Ks)个混合度最大的节点加入种子节点集S。2.根据权利1所述的基于K-shell分解的社交网络影响力最大化方法，其特征在于：在步骤2中，具体包括如下步骤：步骤2.1：将输入的社交网络G去掉度为1的节点，剩下一个子图，如果该子图中依然有度为1的节点则继续删除这些节点...

【专利技术属性】
技术研发人员：仇丽青，贾玮，于金凤，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东,37