[发明专利]基于局部影响力计算的影响力阻断最大化方法

权利要求书

1.一种基于局部影响力计算的影响力阻断最大化方法，其特征在于，包括如下步骤：

步骤1：输入网络G、负种子群S_N、正种子群规模k，网络每条边赋予一个传播概率；

步骤2：确定负影响传播范围NegS；

步骤3：计算所有节点的初始阻断负影响DecInf(v)；

步骤4：选择阻断负影响最大的节点u；

步骤5：将u加入正种子群S_P，更新所有相关节点的阻断负影响DecInf(v)；

步骤6：判断正种子群是否达到规模，若达到规模，则执行步骤7；若没有达到规模，则执行步骤4；

步骤7：输出正种子群；

其特征在于，所述步骤2包括：

步骤2.1：对负种子群中每个节点u构造该节点的最大影响出树MIOA(u,θ)，最大影响出树由从该节点出发的所有传播概率大于一个阈值θ的最大影响路径的并集组成；

步骤2.2：负种子群中所有节点的最大影响出树的并集组成负影响传播范围；

所述步骤3包括：

步骤3.1：对负影响传播范围内的每个节点u，循环执行步骤3.2到3.6；

步骤3.2：构造该节点的最大影响入树MIIA(u,θ)，最大影响入树由到该节点的所有传播概率大于一个阈值θ的最大影响路径的并集组成；

步骤3.3：计算u在MIIA(u,θ)中的负激活概率ap^N(u,S_N,S_P,MIIA(u,θ))；

步骤3.4：对MIIA(u,θ)中的每个节点v，循环执行步骤3.5到3.6；

步骤3.5：计算u在正种子群为S_P∪{v}时的负激活概率ap^N(u,S_N,S_P∪{v},MIIA(u,θ))；

步骤3.6：按以下公式累加计算v的阻断负影响DecInf(v)：

DecInf(v)+＝ap^N(u,S_N,S_P,MIIA(u,θ))-ap^N(u,S_N,S_P∪{v},MIIA(u,θ))；

所述步骤5包括：

步骤5.1：构造选择的阻断负影响最大的节点u的最大影响出树MIOA(u,θ)；

步骤5.2：对MIOA(u,θ)中的每个节点v，循环执行步骤5.3到5.5；

步骤5.3：构造v的最大影响入树MIIA(v,θ)；

步骤5.4：对MIIA(v,θ)中的每个节点w，循环执行步骤5.5

步骤5.5：按以下公式更新w阻断负影响DecInf(w)：

DecInf(w)-＝ap^N(v,S_N,S_P,MIIA(v,θ))-ap^N(v,S_N,S_P∪{w},MIIA(v,θ))；

步骤5.6：将节点u加入到正种子群S_P；

步骤5.7：对MIOA(u,θ)\{u}中的每个节点v，循环执行步骤5.8到5.12；

步骤5.8：构造v的最大影响入树MIIA(v,θ)；

步骤5.9：计算v的负激活概率ap^N(v,S_N,S_P,MIIA(v,θ))；

步骤5.10：对MIIA(v,θ)中的每个节点w，循环执行步骤5.11到5.12；

步骤5.11：计算v在正种子群为S_P∪{w}时的负激活概率ap^N(v,S_N,S_P∪{w},MIIA(v,θ))；

步骤5.12：按以下公式更新w阻断负影响DecInf(w)：

DecInf(w)+＝ap^N(v,S_N,S_P,MIIA(v,θ))-ap^N(v,S_N,S_P∪{w},MIIA(v,θ))。