版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、社會網(wǎng)絡相關研究領域的一個關鍵問題就是影響最大化問題。影響最大化問題旨在通過算法發(fā)現(xiàn)社會網(wǎng)絡中最有影響力的節(jié)點集合,廣泛應用于市場營銷、廣告發(fā)布、輿情預警等場景,具有極高的研究意義和應用價值。由于影響最大化問題本身的NP-Hard復雜度,決定了這是一個優(yōu)化問題,尋找與最優(yōu)解有高近似比的快速求解算法和使算法實用化是主要的兩個研究方向。本文作者對影響最大化問題做了相關研究,提出了自己的算法,主要研究成果及貢獻如下:
對多因素組合的
2、影響最大化問題進行了研究。通過向傳統(tǒng)影響最大化問題加入地理位置約束和時間約束來解決現(xiàn)實生活中對某特定區(qū)域特定時間段最大化影響的問題。提出樸素的基于貪心的MultiFactor-Greedy算法和基于MIA模型的動態(tài)規(guī)劃TG-IM算法。通過一系列實驗證明,算法在保證運行時間復雜度不增高的情況下成功解決了多因素組合的影響最大化問題。
對基于MapReduce模型的并行影響最大化問題做了研究。通過分析影響最大化問題的可并行性,發(fā)掘層
3、次依賴關系,解耦合,提出了一種基于MapReduce的MP-IM算法,加速問題求解。實驗結果證明,該并行算法極大提升了影響力計算過程的效率,大大減少用戶得到種子集合S的等待時間且具有良好的可擴展性。
將MapReduce模型應用于解決多因素組合的影響最大化問題。由于TG-IM算法不能直接用于并行計算,本文提出了應用新模型并行求解多因素組合影響最大化問題的MPTG-IM算法。通過實驗證明了算法的有效性和高效性,為解決可應用的影響
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 社交網(wǎng)絡中影響最大化研究.pdf
- 社交網(wǎng)絡中影響最大化的研究與應用.pdf
- 社會網(wǎng)絡影響最大化方法研究.pdf
- 極性相關的社會網(wǎng)中影響最大化算法的研究.pdf
- 社交網(wǎng)絡中的影響最大化問題研究.pdf
- 基于群體智能優(yōu)化的社會網(wǎng)絡影響最大化研究.pdf
- 社交網(wǎng)絡中信息傳播影響最大化研究
- 基于Memetic計算的社交網(wǎng)絡影響最大化研究.pdf
- 社交網(wǎng)絡中信息傳播影響最大化研究.pdf
- 社交網(wǎng)絡個性化影響最大化研究.pdf
- 動態(tài)復雜網(wǎng)絡中的影響最大化算法的研究.pdf
- 社交網(wǎng)絡中特定用戶的影響最大化研究.pdf
- 移動社交網(wǎng)絡中的信息傳播最大化問題研究.pdf
- 基于線性閾值模型的社交網(wǎng)絡影響最大化研究.pdf
- 社會網(wǎng)中基于主題的影響最大化算法研究.pdf
- 社會網(wǎng)絡環(huán)境下一種基于潛力的影響最大化算法.pdf
- 帶前瞻的在線最大化問題.pdf
- 圖上影響最大化問題算法分析實踐.pdf
- 企業(yè)利潤最大化研究
- IP QoS與網(wǎng)絡效用最大化的研究.pdf
評論
0/150
提交評論