lslslslslss的博客

MIA算法原文：Chen W , Wang C , Wang Y . Scalable Influence Maximization for Prevalent Viral Marketing in Large-Scale Social Networks[C]// Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Washington, DC, USA, ..

CELF算法是Leskovecl等人利用IC模型的子模特性对爬山贪心算法进一步改进得到的优化算法。子模函数的定义为:任意函数f(·)将有限集合映射为非负实数集并且满足收益递减特性即为子模函数。设集合s ∈T，任意元素v添加到集合S中获得的边际效益大于等于添加到集合T中所获得的边际效益。Kempe已经对独立级联模型和线性阈值模型的影响期望值函数加以证明，得出其满足子模特性。由子模特性，把一个节点v添加到结合S时，如果集合S越小，v节点的边际影响期望值就越大。因此，对于那...

在经典的贪心算法的基础上，Wei Chen等人提出了改进算法NewGreedy。每条边uv在影响力传播过程中对全局的影响力的传播有且仅有一次，无论是从u到v，还是从v到u，因此，我们可以首先对社交网络中的边预处理一下，去掉一些关系不大的边得到一个新的更小的网络，在之后计算影响力期望值时，便只在优化后的小网络上进行影响力传播。具体的操作过程为:针对网络图G，每次随机删除固定的边数，为了减少算法的随机性，该过程重复R次最终会得到一个趋于稳定的小型网络。之所以采用这样的策略是因为被删除的那些边对整...

一、IC模型（独立级联模型）红色为处于激活态的种子节点，每条边都有一个传播概率p，激活的节点会以p的概率去激活邻居节点，一个节点有且只有一次机会去激活另一个节点，如果失败，则不再去尝试激活这个节点。def preprocess(G): p = 0 directedGraph = nx.DiGraph() for u in G.nodes(): for v in G.neighbors(u): if (v != u)...

一、简介 degreediscount算法即度折扣算法，是一个基于节点度的启发式算法度折扣算法的基本思想是：假设节点j是节点i的邻居，如果j已被选为种子节点，那么在基于度中心性指标考虑节点i是否作为种子节点时，应该对连边(i,j)打折扣，因为i对j不能产生额外的影响。假设所有边的激活概率都相同，均为β。当节点i的邻居中有si个激活种子时，被激活的概率为1-(1-β)的si的次方，此时i节点能被邻居节点激活，其期望影响力与直接将i节点选为种子节点的期望影响力相同，...

文章名称：《Influence maximization in social networks based on discreteparticle swarm optimization》中文翻译——《基于离散粒子群优化的社交网络影响最大化算法》一、目的 解决影响力最大化问题最经常采用的就是传统的贪心算法，但是贪心算法十分耗时，本文将粒子群优化算法与影响力最大化算法结合，提出了一个基于离散粒子群优化的社交网络影响最大化算法来高效地解决影响力最大化问题。二、本文创新点 ...

中文翻译——动态社会网络的增量式影响最大化算法1.什么是影响力最大化在2003年Kempe 等人就给出了准确的影响力最大化的定义，同时也证明了影响力最大化问题是一个NP难问题。影响力最大化问题可以定义如下:给定一个G=(V，E)的网络图，其中V表示图中的节点，E表示图中的边，同时给定一个正整数k，影响力最大化问题就是要在给定的传播模型下，找到一组数量为k的种子节点集，使得在网络中的影响力传播规模最大化。用数学语言来描述也就是:找到一个集合满足如下这些条件的集合，S∈V同时丨S'丨=k...

一、社会网络节点影响力的定义影响力可以定性分析也可以定量分析，影响力具有不同的作用范围。到目前为止，影响力并没有统一 的形式化定义和标准的计算方法。社会网络的出现为定义和研究节点影响力提供了定量基础，定量度量节点影响力需要构建一个可测量的指标。个体与个体之间通过各种关系连接形成社会网络拓扑结构影响力可以表达为一个个体的特性，也可以表达为个体之间的作用形式，所以影响力具有全局和局部范围。 社会学家定性地分析影响力，指出利用网络统计指标得出的影响力都属于全局影响力。分析节...

一、文章摘要影响力最大化问题是社交网络分析领域的热点研究问题，而对影响力进行全面科学的度量又是该问题的核心。本文针对度量影响力的全局性指标和局部性指标存在的不足，根据三度分隔原理，提出用节点在局部域内的影响力近似其在全局范围内的影响力并据此进行种子选择的方法。该方法充分利用网络中存在的自环和多边现象，结合网络拓扑结构构建生成图。依据生成图为每个节点划分以其为中心的局部域，用节点在该局部域内的影响力近似其在全局范围内的影响力，并据此去选择候选种子节点。然后，计算候选种子加入种子集合后的重叠...