【摘 要】
：
社交网络是信息化时代下的一个重要产物,并且网络中的数据每天以指数形式增长,如何有效分析并处理好这些数据,是社交网络中研究的内容,而影响力最大化则是其中的一个重要研究方向。影响力最大化涉及到日常生活中的各个方面,例如:产品推广,信息安全,网络搜索等,在现实生活中,是否达到影响力最大化通常与成本预算有关。因此,基于成本预算影响下的最大化具有重要的研究意义,本文通过研究影响力最大算法和信息传播模型,结合
论文部分内容阅读
社交网络是信息化时代下的一个重要产物,并且网络中的数据每天以指数形式增长,如何有效分析并处理好这些数据,是社交网络中研究的内容,而影响力最大化则是其中的一个重要研究方向。影响力最大化涉及到日常生活中的各个方面,例如:产品推广,信息安全,网络搜索等,在现实生活中,是否达到影响力最大化通常与成本预算有关。因此,基于成本预算影响下的最大化具有重要的研究意义,本文通过研究影响力最大算法和信息传播模型,结合图论的相关理论,将进行以下研究。首先,基于网络中节点成本问题,提出了基于成本预算的节点影响力最大化算法,本文提出的第一个算法首先分析节点的KS指标和结构洞属性,以及节点的介数中心性和聚类系数,通过平衡系数,有机的将节点内外属性结合起来,使得这些属性更好的反映出节点的重要性,此外,结合节点的成本和节点属性提出了一种新的传播概率,使得节点影响力最大化的同时,信息的传播更加符合真实情况。然后,基于网络中边的传播成本问题,提出了一种基于成本预算的路径优化算法,该算法基于Dijkstra算法的思想,实现信息传播到最终节点路径的同时路径成本最小,该算法首先分析边权值的计算方式,并基于带权图中边的传播成本以及响应时间,提出了一种新的边权值计算方式,以及结合节点的重要性,提出等效路径的概念,该算法可以在成本预算的前提下,实现路径最优。最后,对提出的两个算法进行对比实验,在实验中分别使用不同类型的网络数据集,与同类型算法进行比较,通过实验综合分析可知,两种算法的运行时间虽然不是最短,但是影响范围最大,总体效果较为理想。
其他文献
随着人工智能的高速发展,使得手势识别及手势估计等相关手势任务在计算机视觉领域越来越重要。比如人们不再满足单一人机交互方式,手势任务为人机交互提供了新思路。然而目前无论是手势识别还是手势估计的效果并不能真正满足一个符合现实需求的手势系统,因此如何更好地完成手势任务仍然是计算机视觉领域不可忽视的问题。随着深度神经网络的迅猛发展,手势相关技术也更加成熟。因此本文结合深度学习和计算机视觉等相关知识,对更好
近几年,随着人工智能的飞速发展,人体行为识别技术也引起了人们的关注,如何快速准确地识别出人体行为,成为重要的研究课题之一。但是现在很多识别方法仍存在受外界环境影响较大,不能有效地利用人体结构以及人体动作特点,对数据信息利用不全面等问题。本文在分析了目前已有的研究方法以及存在的问题后,提出了两种新的人体行为识别方法。首先,在行为识别中,针对没有充分利用人体结构的特殊性和动作序列的长期依赖性这两个特点
随着视觉建图技术的逐渐发展,语义建图技术成为SLAM领域研究的热点,语义地图是赋予机器人进行场景感知、人机交互以及行为决策等行为的基础。目前大多数相关研究工作内容是探索语义建图中语义信息的获取方法或三维地图融合语义信息的方法,这类方法仅为三维地图添加语义属性,而没有从本质上改善建图的性能。因此,本文在构建语义地图的同时,利用语义信息优化回环检测结果,探索具有实时性、准确性以及可行性的语义建图方法。
近年来,我国经济发展迅速,国际影响力不断提高,我国股票市场成为影响全球金融指数的重要因素。随着IT技术的发展舆情数据量呈现指数级增长,传统的舆情分析方法已经不能成为投资者了解股市、掌握股市运作规律的有效手段。数据可视化技术是利用图形化手段传达数据信息并进一步挖掘深层次信息的有效方法。为了方便股民了解信息、给投资者提供参考、使股票市场健康发展,本文根据股票舆情数据的特点,采用数据可视化技术对股票舆情
人体行为识别是计算机视觉中的一项重要任务。在家庭服务机器人研究领域,人和机器人之间的交互极其重要,机器人必须能够对人体的行为进行准确分类,才能更好地为人类提供更加精准、高水平的服务。早期的行为识别算法都是针对彩色图像序列进行的,随着廉价的深度传感器和实时的骨架估计算法的出现,基于骨架的行为识别引起了很多学者的关注。利用骨架数据不仅可以改善光照变化和视点变化的问题,而且可以忽略由于衣着、肤色、发型等
互联网的迅速发展促进了电子商务系统的丰富化和多样化,要每个功能都进行重新开发会大大降低系统版本迭代的效率,因此具有各种功能的API（Application Programming Interface）的使用成为了流行趋势。本课题以API的基本研究为基础,构建了电子商务系统API模型,对电子商务系统中API的使用有一定的意义。首先,描述了课题的研究背景和意义,对API技术现状和产业界API现状进行分
随着Android智能手机的快速发展和普及,基于Android系统的设备数量和软件数量也呈爆炸性增长。相比较Apple公司的IOS系统,开源的Android系统更容易受到攻击,恶意代码可以轻易的注入并攻击移动端。目前在检测Android恶意应用领域的研究工作主要在于如何更好的提取Android应用的特征,在这些特征中利用语义特征对恶意行为进行判断的方法最为可靠。为了更精准的提取应用的语义特征,本文
目前恶意用户对推荐系统的攻击由个体攻击逐渐趋向于群组攻击。相对个体攻击而言,群组攻击对推荐系统产生的危害更大。因此,如何有效检测群组攻击成为推荐系统中亟待解决的安全问题。为了检测推荐系统中的群组攻击,研究人员提出了基于有监督和无监督学习的检测方法。然而,有监督检测方法需要标记训练样本,因此只能检测已知类型攻击。无监督检测方法不需要标记训练样本,但是需要一定的先验知识。针对这些局限,本文研究基于图嵌
蛋白质中存在的分子空腔对蛋白质的功能有极为重要的影响,因此对分子空腔的研究也是蛋白质结构与功能研究的重要组成成分。蛋白质中分子空腔的变化会给蛋白质的结构带来影响,蛋白质的功能又与蛋白质的结构息息相关。因此对分子空腔的变化模式以及影响其变化的因素的研究具有重要意义。本文根据分子空腔数据变化复杂、数据量大的特点,对分子空腔的表示形式,分子空腔间相似性比较方法进行探索。并基于此对分子空腔的变化模式进行了
近两年人工智能的兴起,语音智能聊天机器人成了各行各业追捧的对象,其中具有较强领域性的任务型对话系统被广泛应用,例如银行的智能助手、医院的导诊机器人、移动通讯的业务办理机器人等,都体现了对任务型人机对话系统日益俱增的需求。人机对话系统的自然语言理解模块是人机对话系统中的一项重要工作,此模块包括意图识别和语义槽填充,其中意图识别的准确性直接影响用户对系统的体验感,也就是用户是否能得到系统反馈的合理信息