發(fā)布時(shí)間：2025-02-09 19:28

　　在社會(huì)中存在各種各樣的網(wǎng)絡(luò),例如:人際關(guān)系網(wǎng),社交網(wǎng)絡(luò),互聯(lián)網(wǎng),交通網(wǎng)絡(luò)等。隨著科技的進(jìn)步與發(fā)展這些網(wǎng)絡(luò)也變得日益復(fù)雜,尤其在互聯(lián)網(wǎng)較為發(fā)達(dá)的今天,這些網(wǎng)絡(luò)中的關(guān)系越來(lái)越明顯,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的演變也越來(lái)越劇烈,對(duì)這些網(wǎng)絡(luò)的研究也成為了學(xué)術(shù)界的焦點(diǎn),尤其在信息的傳播和廣告的投放等方面愈加熱門(mén)。因此,對(duì)社會(huì)中這些網(wǎng)絡(luò)的基本特征、網(wǎng)絡(luò)中傳播動(dòng)力學(xué)的規(guī)律和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)演變過(guò)程進(jìn)行深入的學(xué)習(xí)和研究具有重要的意義。影響力最大化算法的研究,目的在于尋找一種高效低廉的策略選擇一組滿足給定大小的集合作為種子節(jié)點(diǎn)集,在一定的傳播模型下,可以使得種子集合影響力傳播的覆蓋范圍達(dá)到最廣。影響力最大化問(wèn)題的研究不僅對(duì)復(fù)雜網(wǎng)絡(luò)理論研究有著重大的意義,而且在產(chǎn)品推廣、信息傳播、輿論控制等方面有著廣泛的應(yīng)用前景。近年來(lái)對(duì)影響力最大化算法研究也相當(dāng)廣泛,其中較為熱門(mén)的算法,一類是基于貪心策略的算法,另一類是基于啟發(fā)式的算法。基于貪心策略的算法有著較高的準(zhǔn)確率,但其時(shí)間復(fù)雜度非常高,不適于大型網(wǎng)絡(luò)的計(jì)算;基于啟發(fā)式的算法有著優(yōu)異的運(yùn)算效率,但其魯棒性不強(qiáng),準(zhǔn)確率較低。為此,本文以社會(huì)網(wǎng)絡(luò)為研究對(duì)象,分析對(duì)比了基于中心性算法對(duì)求...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的貢獻(xiàn)
    1.4 本文的組織結(jié)構(gòu)
第二章 相關(guān)的理論知識(shí)
    2.1 圖的相關(guān)理論
    2.2 復(fù)雜網(wǎng)絡(luò)的相關(guān)理論
    2.3 影響力最大化相關(guān)知識(shí)
    2.4 影響力最大化問(wèn)題中的傳播模型
        2.4.1 獨(dú)立級(jí)聯(lián)模型
        2.4.2 線性閾值模型
        2.4.3 權(quán)重級(jí)聯(lián)模型
        2.4.4 其他的傳播模型
    2.5 經(jīng)典的影響力最大化算法
        2.5.1 貪心算法
        2.5.2 CELF算法
        2.5.3 基于度中心性的算法
        2.5.4 SCG算法
        2.5.5 PageRank算法
        2.5.6 SingleDiscount算法
        2.5.7 度折扣算法
    2.6 本章小結(jié)
第三章 基于介度指標(biāo)評(píng)價(jià)的算法
    3.1 基于中心性指標(biāo)的影響力最大化
        3.1.1 基于介數(shù)指標(biāo)的算法及其分析
        3.1.2 基于度指標(biāo)的算法及其分析
    3.2 基于介度指標(biāo)的影響力最大化算法
        3.2.1 基于介度指標(biāo)的算法
        3.2.2 基于介度指標(biāo)的折扣
    3.3 實(shí)驗(yàn)設(shè)置以及數(shù)據(jù)集
        3.3.1 實(shí)驗(yàn)環(huán)境的配置
        3.3.2 實(shí)驗(yàn)參數(shù)的設(shè)置
        3.3.3 實(shí)驗(yàn)的數(shù)據(jù)集
    3.4 實(shí)驗(yàn)結(jié)果及其分析
        3.4.1 調(diào)節(jié)系數(shù)α的選擇
        3.4.2 實(shí)驗(yàn)結(jié)果及其分析
    3.5 本章小結(jié)
第四章 基于社團(tuán)結(jié)構(gòu)的介度指標(biāo)評(píng)價(jià)算法
    4.1 社團(tuán)結(jié)構(gòu)
    4.2 基于派系的社團(tuán)劃分算法
        4.2.1 k-派系定義
        4.2.2 k-派系發(fā)現(xiàn)算法
    4.3 基于社團(tuán)結(jié)構(gòu)的介度指標(biāo)評(píng)價(jià)算法
        4.3.1 介度指標(biāo)與社團(tuán)結(jié)構(gòu)結(jié)合
        4.3.2 基于社團(tuán)結(jié)構(gòu)的介度指標(biāo)評(píng)價(jià)算法的改進(jìn)
        4.3.3 算法的復(fù)雜度分析
    4.4 實(shí)驗(yàn)設(shè)置及其結(jié)果分析
        4.4.1 實(shí)驗(yàn)參數(shù)設(shè)置
        4.4.2 影響力傳播范圍對(duì)比
        4.4.3 算法的時(shí)間效率對(duì)比
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來(lái)工作的展望
參考文獻(xiàn)
致謝



本文編號(hào)：4032750