社交網(wǎng)絡(luò)中影響最大化研究.pdf

1、這是一個(gè)非常有挑戰(zhàn)的任務(wù):在社交網(wǎng)絡(luò)中發(fā)現(xiàn)一個(gè)大小為的節(jié)點(diǎn)集合作為初始目標(biāo)種子集合來(lái)最大化影響力。這個(gè)問(wèn)題被證明是一個(gè)NP-hard的問(wèn)題。但是幸運(yùn)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(gè)算法來(lái)解決這個(gè)問(wèn)題:(1)我們優(yōu)化基礎(chǔ)的貪心算法,把信息的傳播限制在一個(gè)鄰居區(qū)域來(lái)減少運(yùn)行時(shí)間。我們使用DAG和遞歸方法來(lái)計(jì)算每個(gè)節(jié)點(diǎn)的影響力;(2)并且我們也把這個(gè)

2、問(wèn)題轉(zhuǎn)化為一個(gè)不確定圖中的可達(dá)概率查詢的問(wèn)題;(3)我們提出了一個(gè)更為精確的考慮了節(jié)點(diǎn)和它的一步鄰居之間關(guān)系的度折扣啟發(fā)式方法。然后我們使用Hadoop對(duì)于上述三個(gè)算法進(jìn)行了并行化和其他優(yōu)化:(a)對(duì)于集合的影響力計(jì)算分割并行化為成員節(jié)點(diǎn)的影響力計(jì)算;(b)對(duì)于多次獨(dú)立的取樣本過(guò)程進(jìn)行并行化,并且將并行過(guò)程從根節(jié)點(diǎn)下放到左右子節(jié)點(diǎn),將并行粒度進(jìn)一步變細(xì)。將搜索過(guò)程從DFS改為雙向的BFS過(guò)程,避免數(shù)據(jù)溢出,加快搜索速度;(c)進(jìn)一步擴(kuò)大