主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2018年第5期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张平,王黎维,彭智勇,岳昆,黄浩.一种面向团体的影响最大化方法.软件学报,2017,28(8):2161-2174
一种面向团体的影响最大化方法
Group-Based Method for Influence Maximization
投稿时间:2015-11-09  修订日期:2016-03-18
DOI:10.13328/j.cnki.jos.005120
中文关键词:  社会网络  影响最大化  关联模型  影响力团体
英文关键词:social network  influence maximization  association model  influential group
基金项目:国家自然科学基金(61232002,61502347,61202033,61572376);中央高校基本科研业务费专项资金(2042015kf00 38)
作者单位E-mail
张平 软件工程国家重点实验室(武汉大学), 湖北 武汉 430072
武汉大学 计算机学院, 湖北 武汉 430072 
 
王黎维 武汉大学 国际软件学院, 湖北 武汉 430072  
彭智勇 软件工程国家重点实验室(武汉大学), 湖北 武汉 430072
武汉大学 计算机学院, 湖北 武汉 430072 
peng@whu.edu.cn 
岳昆 云南大学 信息工程学院, 云南 昆明 650091  
黄浩 软件工程国家重点实验室(武汉大学), 湖北 武汉 430072
武汉大学 计算机学院, 湖北 武汉 430072 
 
摘要点击次数: 446
全文下载次数: 559
中文摘要:
      影响最大化旨在从给定的社会网络中寻找出一组影响力最大的子集.现有工作大都在假设实体点(个人或博客等)影响关系已知的情况下,关注于分析单个实体点的影响力.然而在一些实际场景中,人们往往更关注区域或人群等这类团体的组合影响力,如户外广告、电视营销、疫情防控等.研究了影响力团体的选择问题:(1)基于团体的关联发现,建立了团体传播模型GIC(group independent cascade);(2)根据GIC模型,给出了贪心算法CGIM(cascade group influence maximization),搜索最具影响力的top-k团组合.在人工数据和真实数据上,实验验证了该方法的效果和效率.
英文摘要:
      Influence maximization aims at finding a set of influential individuals (i.e. users, blog etc.) in a social network. Most of the existing work focused on the influence of individuals under the hypothesis that the influence relationship between the individuals is known in advance. Nonetheless, it is often the case that groups (i.e. area, crowd etc.) are only natural targets of initial convincing attempts in many real-world scenarios, such as billboards, television marketing and plague prevention. In this paper, the problem of locating the most influential groups in a network is addressed. (1) Based on the discovery of the group associations, GIC (group independent cascade) model is proposed to simulate the influence propagation process at the group granularity. (2) A greedy algorithm called CGIM (cascade group influence maximization) is introduced to determine the top-k influential groups under GIC model. Experimental results on both synthetic and real datasets verify the effectiveness and efficiency of the presented method.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利