基于信息偏好的影响最大化算法研究

郭景峰; 吕加国

doi:10.7544/issn1000-1239.2015.20131311

基于信息偏好的影响最大化算法研究

郭景峰^1,3,
吕加国^1,2

¹(燕山大学信息科学与工程学院河北秦皇岛 066004)
²(枣庄学院信息科学与工程学院山东枣庄 277100)
³(河北省虚拟技术与系统集成重点实验室河北秦皇岛 066004) (jfguo@ysu.edu.cn)

基金项目: 国家自然科学基金项目(60673136,61472340)

详细信息

中图分类号: TP311.13
计量
- 文章访问数: 1481
- HTML全文浏览量: 0
- PDF下载量: 901
出版历程
- 发布日期: 2015-01-31

Influence Maximization Based on Information Preference

Guo Jingfeng^1,3,
Lü Jiaguo^1,2

¹(School of Information Science and Engineering, Yanshan University, Qinhuangdao, Hebei 066004)
²(School of Information Science and Engineering, Zaozhuang University,Zaozhuang, Shandong 277100)
³(Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province, Qinhuangdao, Hebei 066004)

摘要

摘要: 实证研究表明，社会个体对于不同主题的信息有着不同的偏好，这对于社会网络中的信息传播过程起着非常重要的作用.影响最大化是社会网络信息传播领域中关于影响结点集挖掘的热点课题.它会从社会网络中寻找最具影响力的结点子集，以这些结点为目标进行影响传播时会获得最大的影响范围.以前关于影响最大化算法研究的大部分工作没有考虑社会个体的信息偏好，这大大降低了结果的准确性.为了提高影响最大化算法的效率和种子集的影响范围，提出一种基于信息偏好的2阶段启发式影响结点挖掘策略L_GAUP：第1阶段，基于网络中各结点对于信息主题的偏好程度，得到易感染结点网络；第2阶段，在易感染网络中，基于贪心策略进行影响结点的挖掘.实验中，在数据集douban上实现了L_GAUP，GAUP和CELF算法.实验结果表明，与基准算法GAUP相比，L_GAUP不仅在影响范围指标ISST和IS上有着更好的表现，在效率上也有大幅度的提高.
- 信息主题 /
- 用户偏好 /
- 信息传播 /
- 影响最大化 /
- 社会网络
Abstract: The empirical research shows that individuals in real social network have different preference for the information with different themes, which plays an important role in information diffusion in social network. Influence maximization is a fundamental issue to find a subset of influential individuals in a social network such that targeting them initially (e.g. to adopt a new product) will maximize the spread of the influence (further adoptions of the new product).Most previous work of the influence maximization problem doesn’t take users’ preference for information theme into account, which greatly reduces the accuracy of result. To further improve the efficiency and performance of influence maximization algorithm, we propose a two-stage L_GAUP algorithm. In the first stage, based on the node’s preference for the information theme, we can get a sub-graph. Compared with other nodes in the network, the nodes in sub-graph have higher preference values for the given information theme. Then, in the second stage, based on the greedy strategy, we find the top-k influential nods in the sub-graph. In experiments, we conduct algorithm L_GAUP, GAUP and CELF in a real word dataset douban. As for three metrics runtime, IS and ISST, experimental results show that L_GAUP outperforms the benchmark algorithm GAUP greatly.
- information theme /
- user preference /
- information diffusion /
- influence maximization /
- social network

HTML全文

参考文献(0)

施引文献(21)

期刊类型引用(10)

1.	徐怡，陶强. 划分序乘积空间约简算法研究. 系统工程理论与实践. 2025(02): 554-570 . 百度学术
2.	刘长顺，刘炎，宋晶晶，徐泰华. 基于论域离散度的属性约简算法. 山东大学学报(理学版). 2023(05): 26-35+52 . 百度学术
3.	张清华，艾志华，张金镇. 融合密度与邻域覆盖约简的分类方法. 陕西师范大学学报(自然科学版). 2022(03): 33-42 . 百度学术
4.	张雨新，孙达明，李飞. 基于粒化单调的不完备混合型数据增量式属性约简算法. 计算机应用与软件. 2021(03): 279-286 . 百度学术
5.	邹丽，任思远，杨光，杨鑫华. 基于改进条件邻域熵的接头疲劳寿命影响因素分析. 焊接学报. 2021(11): 43-50+99-100 . 百度学术
6.	刘正，陈雪勤，张书锋. 基于最小化邻域互信息的邻域熵属性约简算法. 微电子学与计算机. 2020(03): 26-32 . 百度学术
7.	陈帅，张贤勇，唐玲玉，姚岳松. 邻域互补信息度量及其启发式属性约简. 数据采集与处理. 2020(04): 630-641 . 百度学术
8.	周艳红，张强. 基于三层粒结构的三支邻域熵. 数学的实践与认识. 2020(14): 83-93 . 百度学术
9.	亓慧，史颖. 不同度量下集成属性选择器的对比研究. 山西大学学报(自然科学版). 2019(04): 848-853 . 百度学术
10.	周艳红，张迪，张强. 基于单调信息度量的特定类属性约简. 内江师范学院学报. 2019(12): 35-39 . 百度学术