基于线性阈值模型的社交网络影响最大化研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12页 |
| 1.4 论文组织架构 | 第12-14页 |
| 第2章 相关背景与理论知识 | 第14-23页 |
| 2.1 背景知识 | 第14-15页 |
| 2.1.1 影响最大化问题描述 | 第14页 |
| 2.1.2 子模函数的相关特性 | 第14-15页 |
| 2.1.3 影响最大化评价指标 | 第15页 |
| 2.2 影响传播模型 | 第15-19页 |
| 2.2.1 独立级联模型 | 第16页 |
| 2.2.2 线性阈值模型 | 第16-17页 |
| 2.2.3 其它传播模型 | 第17-19页 |
| 2.3 相关算法 | 第19-22页 |
| 2.3.1 贪心算法 | 第19-20页 |
| 2.3.2 最大度算法 | 第20-21页 |
| 2.3.3 其它算法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于多阶邻居的混合式贪心算法 | 第23-43页 |
| 3.1 原始算法 | 第23-28页 |
| 3.1.1 HPG算法 | 第23-25页 |
| 3.1.2 LDAG算法 | 第25-28页 |
| 3.2 潜力种子节点选取算法 | 第28-33页 |
| 3.2.1 算法目标 | 第28-29页 |
| 3.2.2 节点"潜力"衡量因素 | 第29-31页 |
| 3.2.3 潜力值PI的计算 | 第31-32页 |
| 3.2.4 潜力种子集的选择算法 | 第32-33页 |
| 3.3 基于DAG的贪心算法 | 第33-39页 |
| 3.3.1 算法目标 | 第33-34页 |
| 3.3.2 优化的构建局部DAG方法 | 第34-37页 |
| 3.3.3 改进的LDAG算法 | 第37-39页 |
| 3.4 HPHN算法及复杂度分析 | 第39-41页 |
| 3.4.1 HPHN算法 | 第39-40页 |
| 3.4.2 复杂度分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 实验结果与分析 | 第43-54页 |
| 4.1 实验数据集 | 第43-44页 |
| 4.2 实验设计 | 第44页 |
| 4.3 实验结果分析 | 第44-53页 |
| 4.3.1 HPHN算法参数选择 | 第44-48页 |
| 4.3.2 相关算法对比实验分析 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 论文工作总结 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间公开发表学术论文情况 | 第61-62页 |
| 致谢 | 第62页 |
