[发明专利]基于三跳速度衰减传播模型的影响力最大化方法及装置

说明书

本申请公开了基于三跳速度衰减传播模型的影响力最大化方法及装置，包括：将社交网络抽象为有向图数据结构G(V,E)，G表示有向图，V代表节点的集合，节点代表一个用户或者一个群组，E代表边的集合，每条边代表两个节点之间的关系，扫描图G，得出每个节点的出度w并保存，定义距离衰减因子μ和时间衰减因子根据μ和定义影响力传播速率v，根据μ和定义节点影响力目标函数σ，根据影响力传播速率v在图G进行传播，构建每个节点的三跳传播路径，利用影响力目标函数量化每个节点的影响力，进行算法迭代，寻找前z个影响力最大的节点并输出，同时还公开了基于三跳速度衰减传播模型的影响力最大化节点计算装置。

技术领域

本申请涉及社交网络研究领域，特别是涉及一种基于三跳速度衰减传播模型的影响力最大化方法及装置。

背景技术

近年来，互联网技术极速发展，网络用户数量越来越庞大，为社交网络的研究提供了大量的数据，网络中蕴藏的潜在价值也越来越高，人们的生活和社交网络的联系也越来越紧密，网络对人们现实生活的影响也逐渐增大，社交网络影响力模型问题最近成为社交网络分析的热点，社交网络中的一个重要的问题是影响力最大化问题，此问题的研究有着很重要的现实意义，针对此问题，现在已经有很多相关的研究和产业，如：广告营销，舆论监控等。

在社交网络影响力最大化研究领域中，对信息传播过程中其影响力的扩散进行建模是一个重要的问题和挑战，在影响力传播问题中，用图数据结构表述社交网络，我们的目标是在图中找出最具有影响力的z个节点，使得社交网络中最终被影响的节点最多，信息传播范围最大。信息在社交网络传播过程中都遵循一定的模型，我们称之为信息传播模型，在影响力传播图模型中，一个活跃节点通过激活其未活跃的邻居节点接受新观点或新产品来达到影响扩散的目的，该问题就是找到一小部分节点作为初始活跃节点进行传播，以使最终的影响力达到最大。现有技术中主要算法是此问题研究初期的贪心算法，贪心算法大多采用蒙特卡洛模拟，此方法对小型网络中信息传播的模拟比较精确，但是在大型网络上，当数据规模较大的情况下，此方法的时间复杂度极高，这使得将相关算法运用到解决现实工作生活中的大型网络中的问题时不太现实，于是很多学者对贪心算法进行了改进，提出了一些启发式算法，如：爬山算法，此类算法虽然大大降低了算法的时间复杂度，但是也会导致最终求解的精确度下降。由于现实生活中新问题的出现和需求推动，有研究学者提出了针对特定问题的影响力最大化算法，如：在有预算限制下的影响力最大化算法、动态网络上的影响力最大化算法，还有一些学者将经济学概念、Shapley-Value概念和遗传算法相结合来以解决问题。但是在影响力最大化领域，针对信息传播的影响强度随着时间的推移而衰减方面的研究成果几乎没有，目前急需一种高效率的算法且精确度也足够高的算法以有效地处理此类问题。

发明内容

本申请的目的是提供一种基于三跳速度衰减传播模型的影响力最大化方法及装置，以解决上述现有技术存在的问题，在保证算法准确度的前提下大幅度提高算法的时间效率。

为实现上述目的，本申请提供了如下方案：本申请提供一种基于三跳速度衰减传播模型的影响力最大化方法及装置。

如图7所示，本申请首先公开了一种基于三跳速度衰减传播模型的影响力最大化节点计算装置，包括如下内容：

一种基于三跳速度衰减传播模型的影响力最大化节点计算装置，其特征在于包括接收单元、数据预处理单元、计算单元、显示单元及主控单元，接收单元、数据预处理单元、计算单元、显示单元依次通过数据总线连接，主控单元和接收单元、数据预处理单元、计算单元、显示单元再通过信号总线分别和主控单元连接；

所述接收单元用于接收社交网络数据并保存；

所述数据预处理单元用于将接收的社交网络数据编号并转换成有向图数据结构G(V,E)；