基于投票机制的社交网络影响力节点集识别算法

摘要：

[目的]为了降低社交网络中种子节点之间的影响重叠程度,提出基于投票机制的社交网络影响力节点集识别算法KSEVoteRank.[方法]综合考虑节点重要性和邻域信息,定义节点投票能力,设计投票分配策略,同时引入衰减因子折扣邻居的投票能力,最后基于投票得分迭代选出高影响力节点.[结果]实验结果表明,在大型社交网络Ca-AstroPh数据集中KSEVoteRank算法选出的影响力节点集的影响重叠程度比VoteRank算法降低约21％.[局限]在重复投票过程中,设置邻居的投票分配策略不变,可能导致一些误差.[结论]基于投票机制的KSEVoteRank算法能够分散性选取高影响力节点,实现较大范围的影响传播.

关键词：社交网络、影响最大化、投票机制、衰减因子

所属期刊栏目：8

分类号：TP301;O157(计算技术、计算机技术)

在线出版日期：2024-08-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：107-118