CN108876648A - 基于节点覆盖范围的社交网络影响力最大化方法及系统 - Google Patents

基于节点覆盖范围的社交网络影响力最大化方法及系统 Download PDF

Info

Publication number
CN108876648A
CN108876648A CN201810701551.9A CN201810701551A CN108876648A CN 108876648 A CN108876648 A CN 108876648A CN 201810701551 A CN201810701551 A CN 201810701551A CN 108876648 A CN108876648 A CN 108876648A
Authority
CN
China
Prior art keywords
node
seed
coverage
social networks
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810701551.9A
Other languages
English (en)
Other versions
CN108876648B (zh
Inventor
王志晓
席景科
刘佰龙
赵莹
王荣存
高菊远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201810701551.9A priority Critical patent/CN108876648B/zh
Publication of CN108876648A publication Critical patent/CN108876648A/zh
Application granted granted Critical
Publication of CN108876648B publication Critical patent/CN108876648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及基于节点覆盖范围的社交网络影响力最大化方法及系统，属于网络分析技术领域；解决了现有技术中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。包括：根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；利用上述种子节点集合确定该社交网络影响力最大化节点集合。本发明通过更加有效的节点中心性指标，准确有效地选取最具影响力的节点，克服了选取的种子节点过于集中导致节点影响范围重合的问题，对于不同结构的网络均具有良好的适应性。

Description

基于节点覆盖范围的社交网络影响力最大化方法及系统
技术领域
本发明涉及网络分析技术领域，尤其涉及基于节点覆盖范围的社交网络影响力最大化方法及系统。
背景技术
影响力最大化是社交网络分析的一项重要内容，其目标是寻找社交网络中一组种子节点集合，在给定的传播模型下，使得这些节点最终传播的影响范围最大。随着互联网和大数据的发展，网络规模呈现急剧增大的趋势，影响力最大化广泛应用于市场营销策略、广告定向传播、舆情预测和控制。
现有的社交网络影响力最大化方法主要有两类：一类是基于传播的，另一类是基于拓扑结构的。基于传播的方法每次选取节点需要遍历整个网络，在大规模网络中运行时间过长；基于拓扑结构的方法利用网络的结构定义中心性指标，但传统的中心性指标不能很好避免选出的节点影响范围重合的问题，对节点中心性的评估不够准确；并且，对于不同的网络结构，现有方法的适应性和稳定性存在不足。
发明内容
鉴于上述的分析，本发明旨在提供一种基于节点覆盖范围的社交网络影响力最大化方法及系统，解决现有方法中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。
本发明的目的主要是通过以下技术方案实现的：
一方面，提供了一种基于节点覆盖范围的社交网络影响力最大化方法，包括：
根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；
根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；
利用上述种子节点集合确定该社交网络影响力最大化节点集合。
本发明有益效果如下：
本发明有效解决了普通方法选取的种子节点过于集中导致节点影响范围重合的问题，设计了更加有效的节点中心性指标，准确有效地选取最有影响力的节点，对于不同结构的网络均具有良好的适应性。
在上述方案的基础上，本发明还做了如下改进：
进一步，所述根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值包括以下步骤：
求取给定社交网络中当前种子节点集合的节点覆盖范围；
利用各节点的邻居集合及上述当前种子集合的节点覆盖范围，求取得到所述社交网络中各节点的覆盖范围增益值；
其中，所述当前种子节点集合初始为空集。
进一步，所述根据上述节点的覆盖范围增益值选择种子节点，包括以下步骤：
步骤S201、将给定社交网络中所有节点的标志位初始值置为1；
步骤S202、选出社交网络中覆盖范围增益值最大的节点，并观察该节点标志位的值；
步骤S203、判断所述节点标志位是否等于1，否，则进入步骤S204；是，则进入步骤S205；
步骤S204、更新所述节点的覆盖范围增益值，并将该节点的标志位置1，进入步骤S202；
步骤S205、选择所述节点作为种子节点，并放入种子节点集合S；
步骤S206、将所述种子节点的覆盖范围增益值置负，并将社交网络中所有节点的标志位置0；进入步骤S202。
采用上述进一步方案的有益效果是：通过上述步骤选取的影响力最大化节点，所选取的节点更有针对性，选取过程更加高效、准确。
进一步，所述覆盖范围增益值计算公式为：
其中，gainv为节点v的覆盖范围增益值，Nv为节点v的邻居集合，S为社交网络中种子节点的集合，为社交网络中非种子节点的集合，Ns为种子节点集合S的节点覆盖范围。
采用上述进一步方案的有益效果是：采用上述公式计算社交网络节点覆盖范围增益值，解决了普通方法选取的种子节点过于集中的问题，影响力最大化节点选择更加准确。
进一步，所述利用上述种子节点集合确定该社交网络影响力最大化节点集合，包括：对种子节点集合S中种子节点的数量进行判断，当种子节点的数量小于阈值T时，则继续选择种子节点；否则，将种子节点集合S作为影响力最大化节点集合。
另一方面，提供了一种基于节点覆盖范围的社交网络影响力最大化系统，包括：节点覆盖范围增益值计算模块、种子节点选择模块、影响力最大化节点集合生成模块；
所述节点覆盖范围增益值计算模块用于根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；
所述种子节点选择模块与所述节点覆盖范围增益值计算模块相连，用于根据节点的覆盖范围增益值选择种子节点，得到种子节点集合；
所述影响力最大化节点集合生成模块用于利用上述种子节点选择模块得到的种子节点集合确定该社交网络影响力最大化节点集合。
本发明有益效果如下：
本发明有效解决了现有方法选取的种子节点过于集中导致节点影响范围重合的问题，提供了更加有效的节点中心性指标，准确有效地选取最具影响力的节点，对于不同结构的网络均具有良好的适应性。
在上述方案的基础上，本发明还做了如下改进：
进一步，所述根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值包括：
求取给定社交网络中当前种子节点集合的节点覆盖范围；
利用各节点的邻居集合及上述当前种子集合的节点覆盖范围，求取得到所述社交网络中各节点的覆盖范围增益值；
其中，所述当前种子节点集合初始为空集。
进一步，所述种子节点选择模块，包括：
标志位初始值设置单元，用于将给定社交网络中所有节点的标志位初始值置为1；
初选单元，用于选出社交网络中覆盖范围增益值最大的节点，并观察该节点标志位的值；
标志位判断单元，判断所述节点标志位是否等于1，否，则进入覆盖范围增益值更新单元；是，则进入种子节点选择单元；
覆盖范围增益值更新单元，用于更新所述节点的覆盖范围增益值，并将该节点的标志位置1，处理结果输出至所述初选单元；
种子节点选择单元，选择所述节点作为种子节点，并放入种子节点集合S，进入标志位设置单元；
标志位设置单元，用于将所述种子节点的覆盖范围增益值置负，并将社交网络中所有节点的标志位置0；处理结果输出至所述初选单元。
采用上述进一步方案的有益效果是：通过种子节点选择模块选取的影响力最大化的节点，所选取的节点更有针对性，选取过程更加高效、准确。
进一步，所述覆盖范围增益值计算公式为：
其中，gainv为节点v的覆盖范围增益值，Nv为节点v的邻居集合，S为社交网络中种子节点的集合，为社交网络中非种子节点的集合，Ns为种子节点集合S的节点覆盖范围。
采用上述进一步方案的有益效果是：采用上述公式计算社交网络节点覆盖范围增益值，解决了普通方法选取的种子节点过于集中的问题，影响力最大化节点选择更加准确。
进一步，所述利用上述种子节点集合确定该社交网络影响力最大化节点集合，包括：对种子节点集合S中种子节点的数量进行判断，当种子节点的数量小于阈值T时，则继续选择种子节点；否则，将种子节点集合S作为影响力最大化节点集合。
本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例一中所述方法的流程示意图。
图2为本发明实施例二中所述系统的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例一
如图1所示，本实施例提供了一种基于节点覆盖范围的社交网络影响力最大化方法，包括以下步骤：
步骤S1、根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；
步骤S2、根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；
步骤S3、利用上述种子节点集合确定该社交网络影响力最大化节点集合。
与现有技术相比，本实施例提供的基于节点覆盖范围的社交网络影响力最大化方法，解决了现有方法选取的种子节点过于集中导致节点影响范围重合的问题，采用了更加有效的节点中心性指标，准确有效地选取最具影响力的节点，对于不同结构的网络均具有良好的适应性。
需要强调的是，节点覆盖增益值是根据社交网络中各个节点的邻居关系确定的。求取节点的覆盖范围增益值公式为：
其中，gainv为节点v的覆盖范围增益值，Nv为节点v的邻居集合，S为社交网络中种子节点的集合，为社交网络中非种子节点的集合，Ns为种子节点集合S的节点覆盖范围。
采用上述公式计算社交网络节点覆盖范围增益值，解决了普通方法选取的种子节点过于集中的问题，影响力最大化节点选择更加准确。
具体来说，在步骤S1中求取社交网络中每个节点的覆盖范围增益值，包括以下步骤：
步骤S101，求取给定社交网络中当前种子节点集合S的节点覆盖范围；
步骤S102，利用各节点的邻居集合及当前种子集合S的节点覆盖范围，求取得到给定社交网络中各节点的覆盖范围增益值。
需要说明的是，在计算社交网络中各节点的初始覆盖范围增益值时，由于初始种子节点集合中不含有种子节点，即种子节点集合初始为空集，此时，各个节点的初始覆盖范围增益值即为各个节点的度值。
在步骤S2中，根据求取的节点的覆盖范围增益值选择种子节点，具体包括以下步骤：
步骤S201、将给定社交网络中所有节点的标志位初始值置为1；
步骤S202、在步骤S102中求取的各节点的覆盖范围增益值(初始为节点度值)中，选出社交网络中覆盖范围增益值最大的节点，并观察该节点标志位的值；
步骤S203、判断该节点标志位的数值是否等于1，否，则进入步骤S204；是，则进入步骤S205；
步骤S204、利用上述求取节点的覆盖范围增益值公式，更新该节点的覆盖范围增益值，并将该节点的标志位置1，进入步骤S202；
步骤S205、选择该节点作为种子节点，并放入种子节点集合S；
步骤S206、将该种子节点的覆盖范围增益值置负(优选的，置为-1)，并将社交网络中所有节点的标志位置0；进入步骤S202，继续选择种子节点。
通过上述步骤选取的影响力最大化节点，所选取的节点更有针对性，选取过程更加高效、准确。
在步骤S3中，利用步骤S2选择出的种子节点确定影响力最大化节点集合，具体地：
对种子节点集合S中种子节点的数量进行判断，当种子节点的数量小于阈值T时，则继续选择种子节点；否则，将种子节点集合S作为影响力最大化节点集合；
需要说明的是，阈值T的数值不大于所述社交网络中的节点个数，具体数值可根据需求进行设定。
实施例二
如图2所示，本实例还提供了基于节点覆盖范围的社交网络影响力最大化系统，包括：节点覆盖范围增益值计算模块、种子节点选择模块、影响力最大化节点集合生成模块；
节点覆盖范围增益值计算模块用于根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；
种子节点选择模块与节点覆盖范围增益值计算模块相连，用于根据节点的覆盖范围增益值选择种子节点，得到种子节点集合；
影响力最大化节点集合生成模块用于利用上述种子节点选择模块得到的种子节点集合确定该社交网络影响力最大化节点集合。
与现有技术相比，本实施例提出的基于节点覆盖范围的社交网络影响力最大化系统，有效解决了现有方法选取的种子节点过于集中导致节点影响范围重合的问题，提供了更加有效的节点中心性指标，准确有效地选取最具影响力的节点，对于不同结构的网络均具有良好的适应性。
需要强调的是，节点覆盖增益值是根据社交网络中各个节点的邻居关系确定的。求取节点的覆盖范围增益值公式为：
其中，gainv为节点v的覆盖范围增益值，Nv为节点v的邻居集合，S为社交网络中种子节点的集合，为社交网络中非种子节点的集合，Ns为种子节点集合S的节点覆盖范围。
采用上述公式计算社交网络节点覆盖范围增益值，解决了普通方法选取的种子节点过于集中的问题，影响力最大化节点选择更加准确。
对于节点覆盖范围增益值计算模块，根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值，具体包括：
求取给定社交网络中当前种子节点集合S的节点覆盖范围；
利用各节点的邻居集合及上述当前种子集合S的节点覆盖范围，求取得到所述社交网络中各节点的覆盖范围增益值；
需要说明的是，在计算社交网络中各节点的初始覆盖范围增益值时，由于种子节点集合中不含有种子节点，即种子节点集合初始为空集，此时，各个节点的初始覆盖范围增益值即为各个节点的度值。
种子节点选择模块包括标志位初始值设置单元、初选单元、标志位判断单元、覆盖范围增益值更新单元、种子节点选择单元、标志位设置单元；其中，
标志位初始值设置单元，用于将给定社交网络中所有节点的标志位初始值置为1；
初选单元，用于选出社交网络中覆盖范围增益值最大的节点，并观察该节点标志位的值；
标志位判断单元，判断所述节点标志位是否等于1，否，则进入覆盖范围增益值更新单元；是，则进入种子节点选择单元；
覆盖范围增益值更新单元，用于通过上述节点覆盖范围增益值计算模块更新该节点的覆盖范围增益值，并将该节点的标志位置1，处理结果输出至所述初选单元；
种子节点选择单元，选择该节点作为种子节点，并放入种子节点集合S，进入标志位设置单元；
标志位设置单元，用于将该种子节点的覆盖范围增益值置负(优选的，置为-1)，并将社交网络中所有节点的标志位置0；处理结果输出至所述初选单元。
通过种子节点选择模块选取的影响力最大化的节点，所选取的节点更有针对性，选取过程更加高效、准确。
最大化节点集合生成模块利用上述种子节点选择模块选择出的种子节点确定影响力最大化节点集合，包括：对种子节点集合S中种子节点的数量进行判断，当种子节点的数量小于阈值T时，则继续选择种子节点；否则，将种子节点集合S作为影响力最大化节点集合；所述阈值T的数值不大于所述社交网络中的节点个数。
实施例三
本实施例涉及Book网络，基于上述基于节点覆盖范围影响力最大化方法识别该网络的影响力最大化节点集合，其中网络Book的信息如表1所示，该网络包含105个节点和441条边(在社交网络中节点代表人，边代表人与人之间的联系)。
表1：网络Book详细信息
网络 节点 边
Book 105 441
利用基于节点覆盖范围的社交网络影响力最大化方法识别该Book网络中影响力最大化节点集合具体包括以下步骤：
1)利用节点邻居关系初步计算Book网络中各个节点的初始覆盖范围增益值(即节点的度值)。部分计算结果见表2
表2：网络Book部分节点的初始覆盖范围增益值
2)选出覆盖范围增益值最大的节点，观察其标志位，为0进入3)为1进入4)。当前网络中，节点覆盖范围增益值最大的是节点4，观察其标志位为1，进入4)。
3)将该节点标志位置1，更新该节点的覆盖范围增益值，重复步骤2)。
4)选择该节点加入种子节点集合，节点覆盖范围增益值置负，重复步骤2)；
5)重复2)-4)步，直至选够一定数量(本实施例中选取50个)的种子节点。并将选出的种子节点组成影响力最大化节点集合；
本实施例中，得到的影响力最大化节点集合S包含50个节点：
S＝{9,85,59,13...40,41,42,43}
实施例四
本实施例涉及如表3所示的多个不同规模的社交网络，采用实施例一中的基于节点覆盖范围的社交网络影响力最大化方法，识别出表3中多个社交网络的影响力最大化节点集合，并与现有其它方法得到的结果进行对比。选取的典型算法包括：基于局部度值最大算法LIR、Degree算法、DegreeDiscount算法、基于概率的多跳扩散算法pBmH和随机算法Random。本发明的方法简称为NCA(Node Coverage Algorithm)。
表3：社交网络信息
网络 节点数 边数 平均度 pc
P2P-Gnutella08 8114 26013 6.4 0.05
Yeast 2361 6646 5.6 0.07
CaGrQc 5242 14496 5.5 0.09
NetScience 1461 2742 3.451227 0.322
Brightkite 58228 214078 7.3531 0.015
Power 4941 6594 2.7 0.4
用LIR、Degree、DegreeDiscount、pBmH、NUA和Random方法分别对表3中的网络进行影响力最大化节点识别(在识别过程中，网络传播概率选取该网络下的传播概率阈值pc，种子节点个数分为选20个和50个)，得到的结果如表4所示：
表格4：不同方法得到的影响力最大化范围
从表4可以看出利用本发明的方法识别出的影响力最大化节点所导致的影响范围是最大的，说明本发明能够更加准确、有效地识别社交网络中的影响力最大化节点。
本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于节点覆盖范围的社交网络影响力最大化方法，其特征在于，包括：
根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；
根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；
利用上述种子节点集合确定该社交网络影响力最大化节点集合。
2.根据权利要求1所述的方法，其特征在于，所述根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值包括以下步骤：
求取给定社交网络中当前种子节点集合的节点覆盖范围；
利用各节点的邻居集合及上述当前种子集合的节点覆盖范围，求取得到所述社交网络中各节点的覆盖范围增益值；
其中，所述当前种子节点集合初始为空集。
3.根据权利要求2所述的方法，其特征在于，所述根据上述节点的覆盖范围增益值选择种子节点，包括以下步骤：
步骤S201、将给定社交网络中所有节点的标志位初始值置为1；
步骤S202、选出社交网络中覆盖范围增益值最大的节点，并观察该节点标志位的值；
步骤S203、判断所述节点标志位是否等于1，否，则进入步骤S204；是，则进入步骤S205；
步骤S204、更新所述节点的覆盖范围增益值，并将该节点的标志位置1，进入步骤S202；
步骤S205、选择所述节点作为种子节点，并放入种子节点集合S；
步骤S206、将所述种子节点的覆盖范围增益值置负，并将社交网络中所有节点的标志位置0；进入步骤S202。
4.根据权利要求1-3之一所述的方法，其特征在于，所述覆盖范围增益值计算公式为：
其中，gainv为节点v的覆盖范围增益值，Nv为节点v的邻居集合，S为社交网络中种子节点的集合，为社交网络中非种子节点的集合，Ns为种子节点集合S的节点覆盖范围。
5.根据权利要求4所述的方法，其特征在于，所述利用上述种子节点集合确定该社交网络影响力最大化节点集合，包括：对种子节点集合S中种子节点的数量进行判断，当种子节点的数量小于阈值T时，则继续选择种子节点；否则，将种子节点集合S作为影响力最大化节点集合。
6.一种基于节点覆盖范围的社交网络影响力最大化系统，其特征在于，包括：节点覆盖范围增益值计算模块、种子节点选择模块、影响力最大化节点集合生成模块；
所述节点覆盖范围增益值计算模块用于根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；
所述种子节点选择模块与所述节点覆盖范围增益值计算模块相连，用于根据节点的覆盖范围增益值选择种子节点，得到种子节点集合；
所述影响力最大化节点集合生成模块用于利用上述种子节点选择模块得到的种子节点集合确定该社交网络影响力最大化节点集合。
7.根据权利要求6所述的系统，其特征在于，所述根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值包括：
求取给定社交网络中当前种子节点集合的节点覆盖范围；
利用各节点的邻居集合及上述当前种子集合的节点覆盖范围，求取得到所述社交网络中各节点的覆盖范围增益值；
其中，所述当前种子节点集合初始为空集。
8.根据权利要求7所述的系统，其特征在于，所述种子节点选择模块，包括：
标志位初始值设置单元，用于将给定社交网络中所有节点的标志位初始值置为1；
初选单元，用于选出社交网络中覆盖范围增益值最大的节点，并观察该节点标志位的值；
标志位判断单元，判断所述节点标志位是否等于1，否，则进入覆盖范围增益值更新单元；是，则进入种子节点选择单元；
覆盖范围增益值更新单元，用于更新所述节点的覆盖范围增益值，并将该节点的标志位置1，处理结果输出至所述初选单元；
种子节点选择单元，选择所述节点作为种子节点，并放入种子节点集合S，进入标志位设置单元；
标志位设置单元，用于将所述种子节点的覆盖范围增益值置负，并将社交网络中所有节点的标志位置0；处理结果输出至所述初选单元。
9.根据权利要求6-8之一所述的系统，其特征在于，所述覆盖范围增益值计算公式为：
其中，gainv为节点v的覆盖范围增益值，Nv为节点v的邻居集合，S为社交网络中种子节点的集合，为社交网络中非种子节点的集合，Ns为种子节点集合S的节点覆盖范围。
10.根据权利要求9所述的系统，其特征在于，所述利用上述种子节点集合确定该社交网络影响力最大化节点集合，包括：对种子节点集合S中种子节点的数量进行判断，当种子节点的数量小于阈值T时，则继续选择种子节点；否则，将种子节点集合S作为影响力最大化节点集合。
CN201810701551.9A 2018-06-29 2018-06-29 基于节点覆盖范围的社交网络影响力最大化方法及系统 Active CN108876648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810701551.9A CN108876648B (zh) 2018-06-29 2018-06-29 基于节点覆盖范围的社交网络影响力最大化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810701551.9A CN108876648B (zh) 2018-06-29 2018-06-29 基于节点覆盖范围的社交网络影响力最大化方法及系统

Publications (2)

Publication Number Publication Date
CN108876648A true CN108876648A (zh) 2018-11-23
CN108876648B CN108876648B (zh) 2021-02-02

Family

ID=64297491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810701551.9A Active CN108876648B (zh) 2018-06-29 2018-06-29 基于节点覆盖范围的社交网络影响力最大化方法及系统

Country Status (1)

Country Link
CN (1) CN108876648B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114553818A (zh) * 2022-02-23 2022-05-27 中国矿业大学 社交网络影响力最大化节点识别方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484825A (zh) * 2014-12-05 2015-04-01 上海师范大学 社交网络社区影响力评估算法
US20160350368A1 (en) * 2015-05-28 2016-12-01 Sap Se Integrated Execution of Relational And Non-Relational Calculation Models by a Database System
CN106355506A (zh) * 2016-08-15 2017-01-25 中南大学 一种在线社会网络中影响力最大化初始节点选取方法
CN107507020A (zh) * 2017-07-27 2017-12-22 上海交通大学 获取网络传播影响力竞争优势最大化的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484825A (zh) * 2014-12-05 2015-04-01 上海师范大学 社交网络社区影响力评估算法
US20160350368A1 (en) * 2015-05-28 2016-12-01 Sap Se Integrated Execution of Relational And Non-Relational Calculation Models by a Database System
CN106355506A (zh) * 2016-08-15 2017-01-25 中南大学 一种在线社会网络中影响力最大化初始节点选取方法
CN107507020A (zh) * 2017-07-27 2017-12-22 上海交通大学 获取网络传播影响力竞争优势最大化的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114553818A (zh) * 2022-02-23 2022-05-27 中国矿业大学 社交网络影响力最大化节点识别方法及系统

Also Published As

Publication number Publication date
CN108876648B (zh) 2021-02-02

Similar Documents

Publication Publication Date Title
Chen et al. An intelligent robust networking mechanism for the Internet of Things
Jovanovic et al. Ant colony optimization algorithm with pheromone correction strategy for the minimum connected dominating set problem
CN111310999B (zh) 一种基于改进蚁群算法的仓库移动机器人路径规划方法
Wang et al. Wireless sensor network deployment optimization based on two flower pollination algorithms
Özdemir et al. Multi-objective evolutionary algorithm based on decomposition for energy efficient coverage in wireless sensor networks
US20090125620A1 (en) Assigning telecommunications nodes to community of interest clusters
CN115243273A (zh) 一种无线传感器网络覆盖优化方法及装置、设备、介质
Ali et al. A tree based data aggregation scheme for wireless sensor networks using GA
CN105630800A (zh) 一种节点重要性排序的方法和系统
CN113422695B (zh) 一种提高物联网拓扑结构鲁棒性能的优化方法
CN113709754B (zh) 基于聚类算法的无线宽带通信系统布站组网方法及系统
CN108809697A (zh) 基于影响力最大化的社交网络关键节点识别方法及系统
CN103957544B (zh) 一种提高无线传感器网络抗毁性的方法
CN107623924A (zh) 一种验证影响关键质量指标kqi相关的关键性能指标kpi的方法和装置
Aziz et al. Efficient routing approach using a collaborative strategy
CN106022936B (zh) 适用论文合作网络的基于社团结构的影响最大化算法
Banihashemian et al. A novel robust soft-computed range-free localization algorithm against malicious anchor nodes
Wang et al. Joint shortest chain and fair transmission design for energy-balanced PEGASIS in WSNs
CN108876648A (zh) 基于节点覆盖范围的社交网络影响力最大化方法及系统
KR101878213B1 (ko) 가중치 그래프를 요약하는 방법, 장치 및 컴퓨터 프로그램
CN107578136A (zh) 基于随机游走与种子扩展的重叠社区发现方法
Chiu et al. A genetic algorithm for reliability-oriented task assignment with k/spl tilde/duplications in distributed systems
KR101609457B1 (ko) 대용량 그래프 데이터베이스에서 하한 경계값에 기초하여 메디안 노드를 검색하는 방법
Stai et al. Hyperbolic embedding for efficient computation of path centralities and adaptive routing in large-scale complex commodity networks
CN105813235B (zh) 移动终端客户社团的划分方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant