188宝金博页面版

小 型 微 型 计 算 机 系 统Journal of Chinese Computer Systems2017 年 9 月 第 9 期Vol. 38 No. 9 2017 收稿日期:2016-07-19 收修改稿日期:2016-10-14 基金项目:国家自然科学基金项目(61472340) 资助;国家青年科学基金项目(61602401)资助;河北省自然科学基金面上项目(G2015203242)资助. 作者简介:郭景峰,男,1962 年生,博士,教授,博士生导师,CCF 会员,研究方向为数据库、社会网络;范超智,女,1992 年生,硕士研究生,研究方向为社会网络、数据挖掘;陈 晓,女,1983 年生,博士研究生,研究方向为数据库、社会网络.主题关注模型下的影响最大化算法研究郭景峰 1,2 ,范超智 1,2 ,陈 晓 1,2,31 (燕山大学 信息科学与工程学院,河北 秦皇岛 066004)2 (河北省虚拟技术与系统集成重点实验室,河北 秦皇岛 066004)3 (华北理工大学 迁安学院,河北 唐山 064400)E-mail:jfguo@ ysu. edu. cn摘 要: 目前,社会网络大多以社交关系为基础进行信息传播,影响最大化是信息传播领域挖掘有影响力的顶点集的热点. 随着大型社交网络的兴起,将主题偏好作为网络中实体的属性进行研究的影响最大化研究越来越多,较为缺少主题关注模型(融合社交关系和主题关注关系的新型社交网络模型)上的影响最大化研究. 针对这种情况,本文在此模型基础上,首先,在集对联系度基础上,结合随机游走计算各步内顶点主题偏好度,得到候选种子集;其次,在候选种子集上,基于贪心策略挖掘有影响力顶点;最后,在豆瓣数据集上,实现算法 TA CELF,L GAUP 和 CELF,从 ISST,ISRT,ISRNT 三个指标评价实验结果,实验结果表明,基于主题关注模型下进行的算法 TA CELF 影响范围有较好的表现.关 键 词: 主题偏好;主题关注模型;信息传播;影响最大化中图分类号: TP311 文献标识码:A 文 章 编 号:1000-1220(2017)09-2113-06Influence Maximization Based on Topic-attention ModelGUO Jing-feng 1,2 ,FAN Chao-zhi 1,2 ,CHEN Xiao 1,2,31 (College of Information Science and Engineering,Yanshan University,Qinhuangdao 066004,China)2 (Key Laboratory for Computer Virtual Technology and System Integration of Hebei Province,Qinhuangdao 066004,China)3 (School of North China University of Science and Technology,Hebei 064400,China)Abstract:At present,most of the social network is based on social relations for information dissemination,influence maximizationplays an important role in information diffusion in mining influential vertexes. With the rise of large social networks,research on thetopic preference as the attributes of the entities in the network is studied more and more,lacking of influence maximization research ontopic-attention model (a new model of social network fusion of social relationships and the topic attention relationship ). In view ofthis situation,based on this model,first,combine the set pair connection degree and random walk to calculate the preference degree ofthe vertexes in each step,and get alternative seed set;then,in the alternative seed set,based on the greedy strategy to find the top-kvertexes;in the end,we conduct algorithm TA CELF,L GAUP and CELF on douban dataset,and evaluate experiment results fromthree metrics ISST,ISRT and ISRNT. Experiment results show that algorithm TA CELF has the good performance on influencescope.Key words:topic preference;topic-attention model;information diffusion;influence maximization1 引 言近年来,国内外受到移动社交网络传播而引发的重大社会事件倍增,例如,天津港爆炸事件、南海仲裁案等,给国家的公共安全和社会稳定带来了较大压力,这些庞大的数据量以及隐藏的信息为研究带来了新的机遇和挑战. 因此,信息传播及影响最大化问题成为当前的研究热点之一. 其中,影响最大化最早应用于“病毒营销”中,通过寻找多个有影响力的促销对象,从而达到最好的促销效果. 随后,在挖掘最有影响力用户、广告投放和产品推荐等不同领域都得到了广泛应用.现有传统关系型社会网络的影响最大化问题研究的出发点是,在整个网络中寻找 k 个种子顶点,通过单一的用户实体间拓扑关系,挖掘种子顶点,目标是使整个网络中顶点最大化的被激活. 然而,现实生活中,消息或产品等传播的速度和范围,不仅和传播者与被传播者之间的自然关系有关,而且与消息或产品等的类型有重要的关系;如果被传播者对该类消息或产品与传播者有共同的感兴趣或认同,他会很快接收并继续传播下去,否则将不继续任何传播行为,在该网络中,用户与消息(或者产品)对传播都起到了至关重要的作用. 因此,可将消息或产品等作为网络的另一类关键实体———主题实体,将同时具有用户实体和主题实体的网络称之为主题关注网络,如图 1(a)所示,该网络不同于传统的单一用户实体关万方数据