社交網絡中影響最大化研究.pdf

1、這是一個非常有挑戰(zhàn)的任務:在社交網絡中發(fā)現(xiàn)一個大小為的節(jié)點集合作為初始目標種子集合來最大化影響力。這個問題被證明是一個NP-hard的問題。但是幸運的是影響力函數(shù)δ(·)具有次模屬性,使得基本的貪心算法可以得到優(yōu)化解的(1-1/e)近似。但它的速度很慢,所以首先我們提出三個算法來解決這個問題:(1)我們優(yōu)化基礎的貪心算法,把信息的傳播限制在一個鄰居區(qū)域來減少運行時間。我們使用DAG和遞歸方法來計算每個節(jié)點的影響力;(2)并且我們也把這個

2、問題轉化為一個不確定圖中的可達概率查詢的問題;(3)我們提出了一個更為精確的考慮了節(jié)點和它的一步鄰居之間關系的度折扣啟發(fā)式方法。然后我們使用Hadoop對于上述三個算法進行了并行化和其他優(yōu)化:(a)對于集合的影響力計算分割并行化為成員節(jié)點的影響力計算;(b)對于多次獨立的取樣本過程進行并行化,并且將并行過程從根節(jié)點下放到左右子節(jié)點,將并行粒度進一步變細。將搜索過程從DFS改為雙向的BFS過程,避免數(shù)據溢出,加快搜索速度;(c)進一步擴大