计算机学报
計算機學報
계산궤학보
CHINESE JOURNAL OF COMPUTERS
2014年
4期
809-818
,共10页
郭静%张鹏%方滨兴%周川%曹亚男%郭莉
郭靜%張鵬%方濱興%週川%曹亞男%郭莉
곽정%장붕%방빈흥%주천%조아남%곽리
社交网络%线性阈值模型%特定用户%关键传播用户%社会计算
社交網絡%線性閾值模型%特定用戶%關鍵傳播用戶%社會計算
사교망락%선성역치모형%특정용호%관건전파용호%사회계산
social networks%linear threshold model%target user%key propagating users%socialcomputing
文中针对社交网络中特定用户展开个性化关键传播用户挖掘研究,目标是在线性阈值传播模型的基础上,挖掘出能够最大程度影响网络中特定用户的节点集合。尽管在社交网络影响最大化问题方面已存在相关工作,但该文工作偏重于针对网络中的特定用户展开,该问题的解决将有助于企业有效的进行个性化产品营销。为此,文中提出一种基于LT模型的个性化关键传播用户挖掘问题的解决框架。首先,在线性阈值模型的基本传播机制下,提出一个随机函数来模拟基于LT模型的个性化关键传播用户挖掘问题的目标函数,该随机函数具有较小方差的理论保证;然后,提出一个有效的求解算法从网络中挖掘针对特定用户的关键传播节点集合,理论证明该算法具有(1-1/e)的近似精度保证。实验使用真实的社交网络数据验证了算法的有效性。
文中針對社交網絡中特定用戶展開箇性化關鍵傳播用戶挖掘研究,目標是在線性閾值傳播模型的基礎上,挖掘齣能夠最大程度影響網絡中特定用戶的節點集閤。儘管在社交網絡影響最大化問題方麵已存在相關工作,但該文工作偏重于針對網絡中的特定用戶展開,該問題的解決將有助于企業有效的進行箇性化產品營銷。為此,文中提齣一種基于LT模型的箇性化關鍵傳播用戶挖掘問題的解決框架。首先,在線性閾值模型的基本傳播機製下,提齣一箇隨機函數來模擬基于LT模型的箇性化關鍵傳播用戶挖掘問題的目標函數,該隨機函數具有較小方差的理論保證;然後,提齣一箇有效的求解算法從網絡中挖掘針對特定用戶的關鍵傳播節點集閤,理論證明該算法具有(1-1/e)的近似精度保證。實驗使用真實的社交網絡數據驗證瞭算法的有效性。
문중침대사교망락중특정용호전개개성화관건전파용호알굴연구,목표시재선성역치전파모형적기출상,알굴출능구최대정도영향망락중특정용호적절점집합。진관재사교망락영향최대화문제방면이존재상관공작,단해문공작편중우침대망락중적특정용호전개,해문제적해결장유조우기업유효적진행개성화산품영소。위차,문중제출일충기우LT모형적개성화관건전파용호알굴문제적해결광가。수선,재선성역치모형적기본전파궤제하,제출일개수궤함수래모의기우LT모형적개성화관건전파용호알굴문제적목표함수,해수궤함수구유교소방차적이론보증;연후,제출일개유효적구해산법종망락중알굴침대특정용호적관건전파절점집합,이론증명해산법구유(1-1/e)적근사정도보증。실험사용진실적사교망락수거험증료산법적유효성。
In this paper,we study a new problem of personalized key propagating users miningbased on LT model.This problem aims to mine out the most influential nodes under the basic linearthreshold model for a target user in the social network,which will in favor of better productmarketing.While different from existing research on influence maximization area focuses onidentifying a seed set to maximize the influence spread over the entire network,this problemfocuses on identifying a seed set which can maximize the influence spread to a given target user.For this purpose,we present a solution framework for the proposed target-based influencemaximization problem.Specially,we first provide a random function to randomly simulate theobjective function of our problem with low variance guarantee.Then,we present an efficientalgorithm to identify influential nodes for a given target user with approximation guarantee(1-1/e).Experimental results on several real-world social networks validate the performance ofthe proposed algorithms.