计算机应用研究

作者：杨书新,林仁耀,许景峰,梁文,

单位：1.江西理工大学信息工程学院,江西赣州341000；2.长春理工大学计算机科学与技术学院,长春130000；

关键词：活跃转发者,神经网络,社交网络,影响最大化,

基金：国家自然科学基金资助项目(61662028)；江西省教育厅科学技术研究资助项目(GJJ170518)；江西理工大学研究生创新计划资助项目(XY2021-S091)；；

已有的社交网络影响最大化研究大多基于网络图结构，没有利用级联数据蕴涵的信息，不能有效捕捉用户间的真实影响。针对此问题，基于级联数据提出融合级联活跃转发者的影响最大化方法。该方法首先设计融合活跃转发者的嵌入式神经网络模型，通过级联转发记录有监督地训练获取用户特征向量，然后根据信息可达对象数量和扩散概率计算融合活跃转发者的用户影响力，最后基于贪婪策略选择种子集。在三种大规模数据集上同四种具有代表性的方法进行对比，实验结果表明，在信息真实扩散范围方面，提出方法更具有效性。

来源：2022年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第11期