基于社交网络的节点影响力研究

《基于社交网络的节点影响力研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391密级公开UDC621.39学位论文编号D-10617-308-(2016)-01070重庆邮电大学硕士学位论文中文题目基于社交网络的节点影响力研究英文题目TheResearchofNodes’InfluenceinSocialNetworks学号S130101075姓名蒋艾玲学位类别工学硕士学科专业信息与通信工程指导教师胡敏副教授完成日期2016年6月8日重庆邮电大学硕士学位论文摘要摘要社交网络体现了人们复杂且相对稳定的交际关系，推动了人们交流时间的拓展、空间的扩大，也使人与人之间的信息传递平台从现实延伸到了飞速发展

2、的互联网中。每个社交网络中的用户即节点在网络中都扮演着不同的角色，他们对信息传播存在的影响力大小不尽相同，而节点信息传播影响力研究与社交网络中的舆论引导、商品推广等应用领域都存在紧密关联，具有重要的理论意义和实际应用意义，也自然成为了社交网络领域的热门研究方向。本文结合社交网络的复杂网络特性，以网络拓扑结构为重点考虑因素，研究了社交网络中的信息传播模型和节点影响力最大化问题，研究内容及方法有以下两个方面：针对现存社交网络信息传播模型存在的感染节点状态单一化问题，分析社交网络中实际存在的影响因素并将其抽象成为模型参数。考虑社交网络的拓

3、扑特点，结合复杂网络中的传播理论，在传染病模型中个体状态分类方式的基础上区分了网络中节点的不同感染状态，引入人类遗忘曲线作为感染节点的衰减函数，提出了基于社交网络的信息传播模型。最后在真实社交网络数据集中进行模型仿真，并与其他模型进行对比，结果表明：本文模型更加符合信息在真实社交网络中的传播趋势和过程，与现实传播因素所对应的模型参数的改变而导致的传播速度、范围的改变趋势符合信息传播的规律。由于贪心算法不适用于大规模社交网络，本文采用启发式算法的思想，通过计算节点全局和邻近影响力来评估节点信息传播影响力，并通过去除已选节点影响范围并更

4、新网络的去重方式来消除已选节点对未标记范围内边缘节点影响力评估的干扰，提出了针对独立级联模型的节点影响力最大化算法。最后利用两种具有不同结构的社交网络数据进行算法仿真，仿真结果证明：基于边缘覆盖去重的节点影响力最大化算法能够增大节点信息传播影响范围，算法效果更优。关键词：社交网络，信息传播模型，影响力最大化I重庆邮电大学硕士学位论文AbstractAbstractSocialnetworksdescribethestableandcomplexrelationshipsbetweenpeople.Notonlysocialnetwo

5、rkscanexpandspaceofcommunicating,butalsotheychangetheplatformsofinformationtransmissionfromtherealitytotherapidlydevelopingInternet.Everynodeinsocialnetworkswhichisarealuserplaysadiverserole.Thenodeshavedifferentinfluencesininformationdissemination.Theresearchofnode’si

6、nformationdisseminationinfluenceisrelatedwithpublicopinionguidanceandmerchandisinginsocialnetworks,soithasboththeoreticalandpracticalsignificances.Certainly,thecorrelationalstudiesbecomemoreandmorepopularinthefieldofsocialnetworks.Thispapercombinesthecharacteristicsofc

7、omplexnetworkswithsocialnetworksandregardsthetopologyofnetworkasakeytostudytheinformationdisseminationmodelandthenode’sinfluencemaximizationproblem.Thecontentsoftheresearchdivideintothefollowingtwoparts.Inordertosolvetheproblemthatthereisonlyoneinfectedstatusofnodesacc

8、ordingtotheexistinginformationdisseminationmodels,thispaperanalysesthefactorsthoseareactuallyexistinginsocialnetworka