TWI746244B - 社群網路中複數個目標節點之挑選方法及其系統 - Google Patents
社群網路中複數個目標節點之挑選方法及其系統 Download PDFInfo
- Publication number
- TWI746244B TWI746244B TW109138315A TW109138315A TWI746244B TW I746244 B TWI746244 B TW I746244B TW 109138315 A TW109138315 A TW 109138315A TW 109138315 A TW109138315 A TW 109138315A TW I746244 B TWI746244 B TW I746244B
- Authority
- TW
- Taiwan
- Prior art keywords
- nodes
- target
- parameter
- circulation
- simulated
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
Abstract
本發明提供一種社群網路中複數個目標節點之挑選方法,包含選取步驟、模擬傳閱節點數計算步驟及目標節點更新步驟。選取步驟依據簡化群體生成規則自社群網路之複數節點選取出複數模擬節點。模擬傳閱節點數計算步驟計算模擬節點之模擬傳閱節點數。目標節點更新步驟依據簡化群體更新規則將模擬節點及模擬傳閱節點數更新為目標節點及目標傳閱節點數。其中,當模擬傳閱節點數小於目標傳閱節點數時,重複執行選取步驟、模擬傳閱節點數計算步驟及目標節點更新步驟。藉此,本發明用以對少數的目標節點投放訊息,並達成大量的目標傳閱節點數。
Description
本發明是關於一種目標節點之挑選方法,特別是關於一種社群網路中複數個目標節點之挑選方法及其系統。
隨著科技的發展,社群網路在社會中漸趨普及,社群網路已成為傳遞訊息的主流媒介。然而,習知之挑選方法及其系統對所有個體投放訊息需耗費龐大的運算、精力及成本。由此可知,目前市場上缺乏一種社群網路中對少數的個體投放訊息即可達成最大的傳閱效益的複數個目標節點之挑選方法及其系統,故相關業者均在尋求其解決之道。
因此,本發明之目的在於提供一種社群網路中複數個目標節點之挑選方法及其系統,其選出複數模擬節點並計算出此些模擬節點之模擬傳閱節點數,然後與目標節點之目標傳閱節點數進行比較而更新目標節點,進而達成最大傳閱效益之目標傳閱節點數。
依據本發明的方法態樣之一實施方式提供一種社群網路中複數個目標節點之挑選方法,用以在社群網路中對此些目標節點投放訊息並達成目標傳閱節點數,社群網路中複數個目標節點之挑選方法包含選取步驟、模擬傳閱節點數計算步驟及目標節點更新步驟。選取步驟係依據簡化群體生成規則自社群網路之複數節點選取出複數模擬節點。模擬傳閱節點數計算步驟係依據蒙地卡羅模擬法與層搜尋規則計算此些模擬節點之模擬傳閱節點數。目標節點更新步驟係依據簡化群體更新規則將此些模擬節點及模擬傳閱節點數分別更新為此些目標節點及目標傳閱節點數。其中,當模擬傳閱節點數小於目標傳閱節點數時,重複執行選取步驟、模擬傳閱節點數計算步驟及目標節點更新步驟。
藉此,本發明之社群網路中複數個目標節點之挑選方法用以在社群網路中有效的對少數的目標節點投放訊息,並達成大量的目標傳閱節點數。
前述實施方式之其他實施例如下:前述模擬傳閱節點數計算步驟包含傳播機率驗證步驟、層搜尋步驟及期望值估算步驟。傳播機率驗證步驟係依據蒙地卡羅模擬法驗證社群網路之相連之各二節點之間的傳播機率,並生成可傳播網路模型,可傳播網路模型包含傳播機率。層搜尋步驟係依據層搜尋規則計算可傳播網路模型之傳播節點數。期望值估算步驟係重複執行傳播機率驗證步驟及層搜尋步驟,並依據傳播節點數統計期望值而估算出模擬傳閱節點數。
前述實施方式之其他實施例如下:前述選取步驟包含隨機參數生成步驟及模擬節點生成步驟。隨機參數生成步驟係隨機選取複數隨機參數。模擬節點生成步驟係依據簡化群體生成規則對第一參數、第二參數及第三參數與此些隨機參數進行比較,並更新此些模擬節點。簡化群體生成規則符合下式:
;
為第t代之第i組之第j個模擬節點,
為第t代之第i組之第j個隨機參數,
、
及
分別為第一參數、第二參數及第三參數,
為第i組之第j個本列最佳節點,
為第j個全體最佳節點,
為隨機亂數。
前述實施方式之其他實施例如下:前述簡化群體更新規則包含當此些模擬節點之模擬傳閱節點數大於複數本列最佳節點之本列傳閱節點數,此些本列最佳節點及本列傳閱節點數分別更新為此些模擬節點及模擬傳閱節點數;當此些本列最佳節點之本列傳閱節點數大於複數全體最佳節點之全體傳閱節點數,此些全體最佳節點及全體最佳傳閱節點數分別更新為此些本列最佳節點及本列傳閱節點數;當此些全體最佳節點之全體最佳傳閱節點數大於等於目標傳閱節點數,此些目標點更新為此些全體最佳節點。
依據本發明的結構態樣之一實施方式提供一種社群網路中複數個目標節點之挑選系統,用以在社群網路中對此些目標節點投放訊息並達成目標傳閱節點數。社群網路中複數個目標節點之挑選系統包含記憶體及處理器。記憶體包含社群網路之複數節點。處理器電性連接記憶體,並接收此些節點。處理器經配置以實施包含以下步驟之操作:選取步驟、模擬傳閱節點數計算步驟及目標節點更新步驟。選取步驟係依據簡化群體生成規則自社群網路之此些節點選取出複數模擬節點。模擬傳閱節點數計算步驟係依據蒙地卡羅模擬法與層搜尋規則計算此些模擬節點之模擬傳閱節點數。目標節點更新步驟係依據簡化群體更新規則將此些模擬節點及模擬傳閱節點數分別更新為此些目標節點及目標傳閱節點數。其中,當模擬傳閱節點數小於目標傳閱節點數時,重複執行選取步驟、模擬傳閱節點數計算步驟及目標節點更新步驟。
藉此,本發明之社群網路中複數個目標節點之挑選系統用以在社群網路中有效的對少數的目標節點投放訊息,並達成大量的目標傳閱節點數。
前述實施方式之其他實施例如下:前述模擬傳閱節點數計算步驟包含傳播機率驗證步驟、層搜尋步驟及期望值估算步驟。傳播機率驗證步驟係依據蒙地卡羅模擬法驗證社群網路之相連之各二節點之間的傳播機率,並生成可傳播網路模型,可傳播網路模型包含傳播機率。層搜尋步驟係依據層搜尋規則計算可傳播網路模型之傳播節點數。期望值估算步驟係重複執行傳播機率驗證步驟及層搜尋步驟,並依據傳播節點數統計期望值而估算出模擬傳閱節點數。
前述實施方式之其他實施例如下:前述選取步驟包含隨機參數生成步驟及模擬節點生成步驟。隨機參數生成步驟係隨機選取複數隨機參數。模擬節點生成步驟係依據簡化群體生成規則對第一參數、第二參數及第三參數與複數隨機參數進行比較,並更新此些模擬節點。簡化群體生成規則符合下式:
;
為第t代之第i組之第j個模擬節點,
為第t代之第i組之第j個隨機參數,
、
及
分別為第一參數、第二參數及第三參數,
為第i組之第j個本列最佳節點,
為第j個全體最佳節點,
為隨機亂數。
前述實施方式之其他實施例如下:前述簡化群體更新規則包含當此些模擬節點之模擬傳閱節點數大於複數本列最佳節點之本列傳閱節點數,此些本列最佳節點及本列傳閱節點數分別更新為此些模擬節點及模擬傳閱節點數;當此些本列最佳節點之本列傳閱節點數大於複數全體最佳節點之全體傳閱節點數,此些全體最佳節點及全體最佳傳閱節點數分別更新為此些本列最佳節點及本列傳閱節點數;當此些全體最佳節點之全體最佳傳閱節點數大於等於目標傳閱節點數,此些目標節點更新為此些全體最佳節點。
以下將參照圖式說明本發明之複數個實施例。為明確說明起見,許多實務上的細節將在以下敘述中一併說明。然而,應瞭解到,這些實務上的細節不應用以限制本發明。也就是說,在本發明部分實施例中,這些實務上的細節是非必要的。此外,為簡化圖式起見,一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之;並且重複之元件將可能使用相同的編號表示之。
此外,本文中當某一元件(或單元或模組等)「連接」於另一元件,可指所述元件是直接連接於另一元件,亦可指某一元件是間接連接於另一元件,意即,有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時,才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件,而對元件本身並無限制,因此,第一元件亦可改稱為第二元件。且本文中之元件/單元/電路之組合非此領域中之一般周知、常規或習知之組合,不能以元件/單元/電路本身是否為習知,來判定其組合關係是否容易被技術領域中之通常知識者輕易完成。
請參照第1圖,第1圖係繪示本發明一實施方式之社群網路中複數個目標節點之挑選方法的流程示意圖。社群網路中複數個目標節點之挑選方法100用以在社群網路中對此些目標節點投放訊息,並達成目標傳閱節點數。社群網路中複數個目標節點之挑選方法100包含選取步驟S10、模擬傳閱節點數計算步驟S20及目標節點更新步驟S30。
請參照第1圖及第2圖,其中第2圖係繪示第1圖實施方式之選取步驟S10的流程示意圖。選取步驟S10依據一簡化群體生成規則自社群網路之複數節點選取出複數模擬節點。詳細地說,選取步驟S10包含隨機參數生成步驟S11及模擬節點生成步驟S12。隨機參數生成步驟S11隨機選取複數隨機參數。模擬節點生成步驟S12依據簡化群體生成規則對第一參數、第二參數及第三參數與此些隨機參數進行比較,並更新此些模擬節點。其中簡化群體生成規則符合下式(1):
(1);
其中,
為第t代之第i組之第j個模擬節點,
為第t代之第i組之第j個隨機參數,
、
及
分別為第一參數、第二參數及第三參數,
為第i組之第j個本列最佳節點,
為第j個全體最佳節點,
為隨機亂數。
代表大於等於0且小於
。本列最佳節點
之意義為第1至t代中所有第i組之模擬傳閱節點數最佳者所對應之模擬節點中的第j個模擬節點。全體最佳節點
為第1至第i組之所有本列最佳節點之本列傳閱節點數最佳者所對應之本列最佳節點中的第j個本列最佳節點。而第一參數
、第二參數
及第三參數
滿足下式(2):
(2)。
舉例來說,t等於15,i等於3,隨機參數生成步驟S11生成之隨機參數為
,模擬節點生成步驟S12可如表1所示,迭代至第15代的第3組模擬節點為
,迭代至第15代的第3組本列最佳節點為
,迭代至第15代之全體最佳節點為
,第一參數
為0.15,第二參數
為0.4,第三參數
為0.8。將上述參數代入式(1),可得式(3):
(3);
表1
由式(3)及表1可知,
=3.3為[0,4]區間中所產生之隨機亂數x,
=1.2,
=2.6,
2.6,
,迭代至第16代第3組之模擬節點為
。
j | 1 | 2 | 3 | 4 | 5 |
3.2 | 2.7 | 5.5 | 2.6 | 1.5 | |
3.6 | 4.7 | 2.6 | 3.8 | 4.9 | |
3.4 | 1.2 | 3.0 | 5.1 | 3.7 | |
0.93 | 0.57 | 0.38 | 0.03 | 0.77 | |
3.3 | 1.2 | 2.6 | 2.6 | 3.7 |
請參照第3圖,第3圖係繪示第1圖實施方式之模擬傳閱節點數計算步驟S20的流程示意圖。模擬傳閱節點數計算步驟S20係依據蒙地卡羅模擬法與層搜尋規則計算此些模擬節點之模擬傳閱節點數。模擬傳閱節點數計算步驟S20包含傳播機率驗證步驟S21、層搜尋步驟S22及期望值估算步驟S23。
請參照第3圖與第4圖,其中第4圖係繪示第3圖實施方式之可傳播網路模型10的示意圖。傳播機率驗證步驟S21係依據蒙地卡羅模擬法驗證社群網路之相連之各二節點之間的傳播機率,並生成可傳播網路模型10,其中可傳播網路模型10包含傳播機率。詳細地說,社群網路中包含選取步驟S10選取之模擬節點n1、n2、節點n3及節點n4。各二節點之間具有路徑r1、r2、r3、r4及r5。由於社群網路為無尺度網路(Scale-free network),各路徑的傳播機率不相同,藉由蒙地卡羅模擬法對各路徑之傳播機率以亂數多次驗證,並得出最接近實際的可傳播網路模型10。在本實施方式中,依據蒙地卡羅模擬法對社群網路之各路徑的傳播機率給予對應的隨機機率,並比較各路徑之傳播機率及隨機機率。當對應的隨機機率值大於傳播機率時,則判定路徑無法傳播。由表2及第4圖可知,路徑r4之傳播機率小於隨機機率,路徑r4無法傳播。
表2
r1 | r2 | r3 | r4 | r5 | |
傳播機率 | 0.6 | 0.9 | 0.5 | 0.2 | 0.8 |
隨機機率 | 0.5 | 0.8 | 0.3 | 0.4 | 0.6 |
請參照第3圖與第5圖,其中第5圖係繪示第3圖實施方式之層搜尋步驟S22的示意圖。層搜尋步驟S22係依據層搜尋規則計算可傳播網路模型10之傳播節點數。藉由將虛擬節點n0透過虛擬路徑r0連接模擬節點n1、n2計算在可傳播網路模型10中對模擬節點n1、n2投放訊息之傳播節點數,虛擬路徑r0之傳播機率為1。具體而言,層搜尋規則透過統計可傳播網路模型10中各節點可傳播至下一層之節點數量計算傳播節點數,層搜尋規則之計算方式可如表3所示:
表3
其中,L
i為第i層;L
i+1為第i+1層;V*為虛擬節點n0的可傳播節點集合;sum為V*之節點總數扣掉虛擬節點n0後之當前的傳播節點數。由表3可知,在第5圖之可傳播網路模型10中,虛擬節點n0之傳播節點數為4。
i | L i | L i+1 | V* | sum |
1 | {n0} | {n1,n2} | {n0,n1,n2} | 2 |
2 | {n1,n2} | {n2,n3} | {n0,n1,n2,n3} | 3 |
3 | {n2,n3} | {n4} | {n0,n1,n2,n3,n4} | 4 |
請配合參照表4,期望值估算步驟S23係重複執行傳播機率驗證步驟S21及層搜尋步驟S22,並依據傳播節點數統計期望值E而估算出模擬傳閱節點數。詳細地說,期望值估算步驟S23藉由至少一次重覆執行傳播機率驗證步驟S21及層搜尋步驟S22,並統計傳播節點數所有可能發生的結果之期望值E,則期望值E為可傳播網路模型10中對模擬節點n1、n2投放訊息之模擬傳閱節點數。當重複執行傳播機率驗證步驟S21及層搜尋步驟S22的次數為10次時,模擬傳閱節點數之計算公式如式(4)所示:
(4)。
表4
其中i為傳播節點數,m為傳播機率驗證步驟S21之執行次數,t
i為傳播機率驗證步驟S21執行m次中傳播節點數為i的次數,
為傳播機率驗證步驟S21執行m次時傳播節點數為i的機率。
傳播節點數(i) | 次數(t i) | ||
5 | 2 | ||
4 | 1 | ||
3 | 1 | ||
2 | 2 | ||
1 | 4 |
請再參照第1圖,目標節點更新步驟S30係依據簡化群體更新規則將模擬節點及模擬傳閱節點數分別更新為目標節點及目標傳閱節點數。簡化群體更新規則包含:當此些模擬節點之模擬傳閱節點數大於複數本列最佳節點之本列傳閱節點數,此些本列最佳節點及本列傳閱節點數分別更新為此些模擬節點及模擬傳閱節點數;當此些本列最佳節點之本列傳閱節點數大於此些全體最佳節點之全體傳閱節點數,此些全體最佳節點及全體最佳傳閱節點數分別更新為此些本列最佳節點及本列傳閱節點數;當此些全體最佳節點及全體最佳傳閱節點數大於等於目標傳閱節點數,此些目標節點更新為此些全體最佳節點。詳細地說,目標節點更新步驟S30先將模擬傳閱節點計算步驟S20所得之模擬節點
及模擬傳閱節點數與本列最佳節點
進行比較,若當前的模擬傳閱節點數大於上一次迭代之本列傳閱節點數,則此時的模擬節點
取代本列最佳節點
成為新的本列最佳節點
,進而與全體最佳節點
之全體最佳傳閱節點數進行比較。若新的本列最佳節點
之本列傳閱節點數大於全體最佳傳閱節點數,則此時的本列最佳節點
取代全體最佳節點
而成為新的全體最佳節點
。
具體而言,目標節點更新步驟S30用以判斷模擬傳閱節點數計算步驟S20所得之模擬節點
之模擬傳閱節點數是否達到目標傳閱節點數,其中,當模擬傳閱節點數小於目標傳閱節點數時,重複執行選取步驟S10、模擬傳閱節點數計算步驟S20及目標節點更新步驟S30。再次選取模擬節點
並計算模擬傳閱節點數,並判斷模擬傳閱節點數是否達到目標傳閱節點數。藉此,本發明之社群網路中複數個目標節點之挑選方法100用以在社群網路中有效的對少數的目標節點投放訊息,並達成大量的目標傳閱節點數。
請一併參照第1圖、第2圖、第3圖及第6圖,其中第6圖繪示本發明另一實施方式之社群網路中複數個目標節點之挑選系統200的方塊示意圖。社群網路中複數個目標節點之挑選系統200包含記憶體210及處理器220。記憶體210包含社群網路之複數節點。處理器220接收此些節點並經配置以實施社群網路中複數個目標節點之挑選方法100之選取步驟S10、模擬傳閱節點數計算步驟S20及目標節點更新步驟S30。記憶體210用以存取節點、模擬節點、模擬傳閱節點數、目標節點、目標傳閱節點數、簡化群體生成規則、蒙地卡羅模擬法、層搜尋規則及簡化群體更新規則。而處理器220電性連接記憶體210,處理器220可為微處理器、中央處理器、伺服器處理器或其他電子運算處理器,而本發明不以此為限。
藉此,本發明之社群網路中複數個目標節點之挑選系統200用以在社群網路中有效的對少數的目標節點投放訊息,並達成大量的目標傳閱節點數。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100:社群網路中複數個目標節點之挑選方法
S10:選取步驟
S11:隨機參數生成步驟
S12:模擬節點生成步驟
S20:模擬傳閱節點數計算步驟
S21:傳播機率驗證步驟
S22:層搜尋步驟
S23:期望值估算步驟
S30:目標節點更新步驟
10:可傳播網路模型
n0:虛擬節點
n1,n2:模擬節點
n3,n4:節點
r0:虛擬路徑
r1,r2,r3,r4,r5:路徑
200:社群網路中複數個目標節點之挑選系統
210:記憶體
220:處理器
第1圖係繪示本發明一實施方式之社群網路中複數個目標節點之挑選方法的流程示意圖;
第2圖係繪示第1圖實施方式之選取步驟的流程示意圖;
第3圖係繪示第1圖實施方式之模擬傳閱節點數計算步驟的流程示意圖;
第4圖係繪示第3圖實施方式之可傳播網路模型的示意圖;
第5圖係繪示第3圖實施方式之層搜尋步驟的示意圖;及
第6圖繪示本發明另一實施方式之社群網路中複數個目標節點之挑選系統的方塊示意圖。
100:社群網路中複數個目標節點之挑選方法
S10:選取步驟
S20:模擬傳閱節點數計算步驟
S30:目標節點更新步驟
Claims (6)
- 一種社群網路中複數個目標節點之挑選方法,用以在一社群網路中對該些目標節點投放一訊息並達成一目標傳閱節點數,該社群網路中複數個目標節點之挑選方法包含:一選取步驟,係依據一簡化群體生成規則自該社群網路之複數節點選取出複數模擬節點;一模擬傳閱節點數計算步驟,係依據一蒙地卡羅模擬法與一層搜尋規則計算該些模擬節點之一模擬傳閱節點數;以及一目標節點更新步驟,係依據一簡化群體更新規則將該些模擬節點及該模擬傳閱節點數分別更新為該些目標節點及該目標傳閱節點數;其中,當該模擬傳閱節點數小於該目標傳閱節點數時,重複執行該選取步驟、該模擬傳閱節點數計算步驟及該目標節點更新步驟;其中,該選取步驟包含:一隨機參數生成步驟,隨機選取複數隨機參數;及一模擬節點生成步驟,係依據該簡化群體生成規則對一第一參數、一第二參數及一第三參數與該些隨機參數進行比較,並更新該些模擬節點;其中該簡化群體生成規則符合下式:
- 如請求項1所述之社群網路中複數個目標節點之挑選方法,其中該模擬傳閱節點數計算步驟包含:一傳播機率驗證步驟,係依據該蒙地卡羅模擬法驗證該社群網路之相連之各二該節點之間的一傳播機率,並生成 一可傳播網路模型,該可傳播網路模型包含該傳播機率;一層搜尋步驟,係依據該層搜尋規則計算該可傳播網路模型之一傳播節點數;及一期望值估算步驟,係重複執行該傳播機率驗證步驟及該層搜尋步驟,並依據該傳播節點數統計一期望值而估算出該模擬傳閱節點數。
- 如請求項1所述之社群網路中複數個目標節點之挑選方法,其中該第一參數為Cw,該第二參數為Cp,該第三參數為Cg,該第一參數、該第二參數及該第三參數滿足下列條件:0<Cw<Cp<Cg<1。
- 一種社群網路中複數個目標節點之挑選系統,用以在一社群網路中對該些目標節點投放一訊息並達成一目標傳閱節點數,包含:一記憶體,包含該社群網路之複數節點;以及一處理器,電性連接該記憶體,並接收該些節點,該處理器經配置以實施包含以下步驟之操作:一選取步驟,係依據一簡化群體生成規則自該社群網路之該些節點選取出複數模擬節點;一模擬傳閱節點數計算步驟,係依據一蒙地卡羅模擬法與一層搜尋規則計算該些模擬節點之一模擬傳閱節點數;以及 一目標節點更新步驟,係依據一簡化群體更新規則將該些模擬節點及該模擬傳閱節點數分別更新為該些目標節點及該目標傳閱節點數;其中,當該模擬傳閱節點數小於該目標傳閱節點數時,重複執行該選取步驟、該模擬傳閱節點數計算步驟及該目標節點更新步驟;其中,該選取步驟包含:一隨機參數生成步驟,隨機選取複數隨機參數;及一模擬節點生成步驟,係依據該簡化群體生成規則對一第一參數、一第二參數及一第三參數與該些隨機參數進行比較,並更新該些模擬節點;其中該簡化群體生成規則符合下式:
- 如請求項4所述之社群網路中複數個目標節點之挑選系統,其中該模擬傳閱節點數計算步驟包含:一傳播機率驗證步驟,係依據該蒙地卡羅模擬法驗證該社群網路之相連之各二該節點之間的一傳播機率,並生成一可傳播網路模型,該可傳播網路模型包含該傳播機率;一層搜尋步驟,係依據該層搜尋規則計算該可傳播網路模型之一傳播節點數;及一期望值估算步驟,係重複執行該傳播機率驗證步驟及該層搜尋步驟,並依據該傳播節點數統計一期望值而估算出該模擬傳閱節點數。
- 如請求項4所述之社群網路中複數個目標節點之挑選系統,其中該第一參數為Cw,該第二參數為Cp,該第三參數為Cg,該第一參數、該第二參數及該第三參數滿足下列條件: 0<Cw<Cp<Cg<1。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109138315A TWI746244B (zh) | 2020-11-03 | 2020-11-03 | 社群網路中複數個目標節點之挑選方法及其系統 |
US17/230,953 US20220141174A1 (en) | 2020-11-03 | 2021-04-14 | Method and system for selecting multiple target nodes within social network |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109138315A TWI746244B (zh) | 2020-11-03 | 2020-11-03 | 社群網路中複數個目標節點之挑選方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI746244B true TWI746244B (zh) | 2021-11-11 |
TW202219787A TW202219787A (zh) | 2022-05-16 |
Family
ID=79907483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109138315A TWI746244B (zh) | 2020-11-03 | 2020-11-03 | 社群網路中複數個目標節點之挑選方法及其系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220141174A1 (zh) |
TW (1) | TWI746244B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11570058B1 (en) * | 2021-10-05 | 2023-01-31 | Bank Of America Corporation | Auto simulation of connectivity checks from the client side |
CN117061365B (zh) * | 2023-10-11 | 2024-02-13 | 浪潮电子信息产业股份有限公司 | 一种节点选择方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106104512A (zh) * | 2013-09-19 | 2016-11-09 | 西斯摩斯公司 | 用于主动获取社交数据的系统和方法 |
CN111177529A (zh) * | 2019-11-22 | 2020-05-19 | 上海大学 | 基于节点属性稀疏性的网络影响力最大化方法 |
US20200294135A1 (en) * | 2018-05-06 | 2020-09-17 | Strong Force TX Portfolio 2018, LLC | Systems and methods for using social network data to validate a loan guarantee |
-
2020
- 2020-11-03 TW TW109138315A patent/TWI746244B/zh active
-
2021
- 2021-04-14 US US17/230,953 patent/US20220141174A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106104512A (zh) * | 2013-09-19 | 2016-11-09 | 西斯摩斯公司 | 用于主动获取社交数据的系统和方法 |
US20200294135A1 (en) * | 2018-05-06 | 2020-09-17 | Strong Force TX Portfolio 2018, LLC | Systems and methods for using social network data to validate a loan guarantee |
CN111177529A (zh) * | 2019-11-22 | 2020-05-19 | 上海大学 | 基于节点属性稀疏性的网络影响力最大化方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202219787A (zh) | 2022-05-16 |
US20220141174A1 (en) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Identification of influential spreaders based on classified neighbors in real-world complex networks | |
Maji et al. | A systematic survey on influential spreaders identification in complex networks with a focus on K-shell based techniques | |
Green et al. | A fast algorithm for streaming betweenness centrality | |
TWI746244B (zh) | 社群網路中複數個目標節點之挑選方法及其系統 | |
Song et al. | Asynchronous spiking neural P systems with rules on synapses | |
Zhang et al. | A study of knowledge supernetworks and network robustness in different business incubators | |
Alenazi et al. | Comprehensive comparison and accuracy of graph metrics in predicting network resilience | |
TWI385550B (zh) | 互連架構狀態覆蓋率測量方法 | |
Chen et al. | Interplay between social influence and network centrality: a comparative study on shapley centrality and single-node-influence centrality | |
Wen et al. | Using epidemic betweenness to measure the influence of users in complex networks | |
CN104734870B (zh) | 一种基于元胞自动机的软件故障传播规律发现方法 | |
Tan et al. | AIM: Activation increment minimization strategy for preventing bad information diffusion in OSNs | |
Junior et al. | Routing for applications in NoC using ACO-based algorithms | |
Tripathi et al. | Rumor containment in peer-to-peer message sharing online social networks | |
Radu et al. | Developing domain-knowledge evolutionary algorithms for network-on-chip application mapping | |
Nikitin et al. | Architectural exploration of large-scale hierarchical chip multiprocessors | |
Lim et al. | Approximating the k-minimum distance rumor source detection in online social networks | |
Yahyaoui | Trust assessment for web services collaboration | |
TWI753659B (zh) | 社群網路中單一目標節點之挑選方法及其系統 | |
Nasir et al. | Fast trust computation in online social networks | |
Huang et al. | Online crowd learning through strategic worker reports | |
CN105227401A (zh) | 一种一致性程度的评估方法及系统 | |
Tembine et al. | Noisy mean field stochastic games with network applications | |
Kashirin | Evolutionary simulation of complex networks structures with specific topological properties | |
TWI753674B (zh) | 基於時間之社群網路中傳播機率之計算方法及其系統 |