基于多主题传播的互补影响力最大化方法技术

本发明专利技术涉及基于多主题传播的互补影响力最大化方法，包括：在Com

【技术实现步骤摘要】
基于多主题传播的互补影响力最大化方法


[0001]本专利技术涉及影响力传播
，更确切地说，它涉及基于多主题传播的互补影响力最大化方法。

技术介绍

[0002]近些年随着互联网的飞速发展，人与人之间的社交关系和社交方式都发生了显著的变化，社交网络中的信息与影响力传播这个领域受到了广泛的关注，包括研究社交网络中信息的传播方式，包括信息传播的路径、传播速度和传播范围等的信息传播模型；研究社交网络中影响力的传播方式，包括影响力的传播路径、影响力的传播速度和影响力的强度等的影响力传播模型；研究社交网络中节点之间的关系和网络结构，包括节点的度数、聚类系数和介数中心性等指标的社交网络分析。
[0003]经典的影响力最大化问题只关注单个主题的影响力传播，而现实世界中用户往往同时暴露在多个传播主题的信息中，这些主题的信息传播可能有竞争或者互补的关系，从而使用户行为偏离单主题影响力传播模型。现有的多主题影响力传播研究主要聚焦于纯竞争关系，没有充分考虑社交信息传播中所普遍存在的多主题互补关系，因而难以有效表达社交网络中的多主题影响力传播。

技术实现思路

[0004]本专利技术的目的是针对现有技术的不足，提出了基于多主题传播的互补影响力最大化方法。
[0005]第一方面，提供了基于多主题传播的互补影响力最大化方法，包括：
[0006]S1、在Com
‑
LT模型中采样出一个确定性的实例H；
[0007]S2、通过前向BFS算法，确定所有不通过传播主题B的节点；
[0008]S3、不断从当前节点v沿着传播主题A活跃边反向行走并检查是否能到达一个原本就采用A的节点；
[0009]S4、将必须通过B的帮助才能采用A的节点沿着B活跃边反向行走，并记录图中每个节点被访问的次数。
[0010]作为优选，S1包括：
[0011]S101、在Com
‑
LT模型中进行信息扩散：在种子集S
A
中的节点采用传播主题A，在种子集S
B
中的节点采用传播主题B；每个节点随机均匀地从[0,1]中生成阈值或并计算条件阈值θ
vA|B
和θ
vB|A
；每个时间步中，对每个节点v，如果未采用A则根据计算边权之和c
A
(v)，并根据是否已采用B，将c
A
(v)和阈值或比较，如果c
A
(v)不小于阈值，将其标记未已采用A，对于B对称地重复这个过程；如果这个过程有任何节点采用了任意一个主题，则进行下一时间步，否则，传播过程终止；
[0012]S102、采样一个确定实例：对于节点υ，令in(υ)表示其入边的数量，用z1，z2，...，
z
in(v)
表示这些入边，b1，b2，...，b
in(v)
分别表示这些边的A权值；从[0，1]中等概率均匀生成一个随机实数用于后续采样。
[0013]作为优选，S102中，所述后续采样包括：
[0014]找出最小的满足的整数的整数是第i个用户的没有采用B的A的边权值；
[0015]如果满足这个条件的整数j存在，则返回采样结束；表示节点υ的和A的扩散相关并且没有采用B的A活跃边，e
vA|B
表示节点υ的和A的扩散相关并且已采用B的A活跃边；
[0016]否则对于节点υ，不存在，找出最小的满足的整数k∈[1,in(v)]；b
iA|B
表示第i个用户的已经采用B的A的边权值；如果满足条件的k存在则返回e
v
A
|B
＝z
k
，否则e
vA|B
不存在。
[0017]作为优选，S101中，θ
vA|B
的计算公式为：
[0018][0019]其中，θ
vA|B
是当节点υ已采用B时对A的条件阈值，γ
A,B
是用户互补关系参数，s
A
(v)是用户v的网络中入边的A权值和。
[0020]作为优选，S101中，c
A
(v)的计算公式为：
[0021][0022]其中，c
A
(v)是节点υ的已被激活的入边邻居对应的边权之和。
[0023]作为优选，S2中，如果采样起点v0能在不受B帮助下采用A，则返回空集。
[0024]作为优选，S3中，用va数组标记已访问过的节点，避免死循环；并对于在反向行走中访问的每个节点u，如果即不存在，则它必须通过B的帮助才能采用A，将这些节点加入集合T中；是对于用户节点u的边的起点用户的编号；如果不能到达一个原本采用A的节点，则采样起点v0在实例H下不可能采用A，返回空集。
[0025]作为优选，S4中，如果一个节点被访问了|T|次，则它作为B种子时可以使T中每个节点采用B，进而帮助v0采用A，将这些节点作为结果，加入广义随机反向可达集RR
‑
Set返回。
[0026]第二方面，提供了基于多主题传播的互补影响力最大化装置，用于执行第一方面任一所述的基于多主题传播的互补影响力最大化方法，包括：
[0027]采样模块，用于在Com
‑
LT模型中采样出一个确定性的实例H；
[0028]确定模块，用于通过前向BFS算法，确定所有不通过传播主题B的节点；
[0029]检查模块，用于不断从当前节点v沿着传播主题A活跃边反向行走并检查是否能到达一个原本就采用A的节点；
[0030]记录模块，用于将必须通过B的帮助才能采用A的节点沿着B活跃边反向行走，并记录图中每个节点被访问的次数。
[0031]第三方面，提供了一种计算机存储介质，所述计算机存储介质内存储有计算机程
序；所述计算机程序在计算机上运行时，使得计算机执行第一方面任一所述的基于多主题传播的互补影响力最大化方法。
[0032]本专利技术的有益效果是：本专利技术考虑到了社交信息传播中所普遍存在的多主题互补关系，提出了研究互补关系多主题影响力最大化问题的方法，相比现有的影响力最大化方法，兼顾了效果和高效性，具有显著提升。在很多实际场景中，个体或者组织的影响力是相互的，互补关系的多主题影响力最大化方法可以通过更高效的及算法方法，更快得出尽可能好的方案，在社交场景例如社会网络分析、疾病控制、舆情管理等多个体互相影响的场景下。
附图说明
[0033]图1为基于多主题传播的互补影响力最大化方法的流程图；
[0034]图2为本专利技术提供的方法与贪心算法的运行时间对比示意图。
具体实施方式
[0035]下面结合实施例对本专利技术做进一步描述。下述实施例的说明只是用于帮助理解本专利技术。应当指出，对于本
的普通人员来说，在不脱离本专利技术原理的前提下，还可以对本专利技术进行若干修饰，这些改进和修饰也落入本专利技术权利要求的保护范围内。
[0036]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多主题传播的互补影响力最大化方法，其特征在于，包括：S1、在Com
‑
LT模型中采样出一个确定性的实例H；S2、通过前向BFS算法，确定所有不通过传播主题B的节点；S3、不断从当前节点v沿着传播主题A活跃边反向行走并检查是否能到达一个原本就采用A的节点；S4、将必须通过B的帮助才能采用A的节点沿着B活跃边反向行走，并记录图中每个节点被访问的次数。2.根据权利要求1所述的基于多主题传播的互补影响力最大化方法，其特征在于，S1包括：S101、在Com
‑
LT模型中进行信息扩散：在种子集S
A
中的节点采用传播主题A，在种子集S
B
中的节点采用传播主题B；每个节点随机均匀地从[0,1]中生成阈值或并计算条件阈值θ
vA|B
和θ
vB|A
；每个时间步中，对每个节点υ，如果未采用A则根据计算边权之和c
A
(v)，并根据是否已采用B，将c
A
(v)和阈值或比较，如果c
A
(v)不小于阈值，将其标记未已采用A，对于B对称地重复这个过程；如果这个过程有任何节点采用了任意一个主题，则进行下一时间步，否则，传播过程终止；S102、采样一个确定实例：对于节点υ，令in(υ)表示其入边的数量，用z1，z2，...，z
in(v)
表示这些入边，b1，b2，...，b
in(v)
分别表示这些边的A权值；从[0，1]中等概率均匀生成一个随机实数用于后续采样。3.根据权利要求2所述的基于多主题传播的互补影响力最大化方法，其特征在于，S102中，所述后续采样包括：找出最小的满足的整数j∈[1,in(v)]；是第i个用户的没有采用B的A的边权值；如果满足这个条件的整数j存在，则返回采样结束；表示节点v的和A的扩散相关并且没有采用B的A活跃边，表示节点υ的和A的扩散相关并且已采用B的A活跃边；否则对于节点υ，不存在，找出最小的满足的整数k∈[1,in(v)]；表示第i个用户的已经采用B的A的边权值；如果满足条件的k存在则返回e
vA|B
＝z
k
，否则e
vA|B
不存在。...

【专利技术属性】
技术研发人员：史麒豪，杨武剑，王灿，宋明黎，吴明晖，
申请(专利权)人：浙大城市学院，
类型：发明
国别省市：