| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 引言 | 第15页 |
| 1.2 影响最大化问题的研究背景及意义 | 第15-16页 |
| 1.3 研究现状 | 第16-18页 |
| 1.4 本文主要工作 | 第18-19页 |
| 1.5 论文的结构安排 | 第19-21页 |
| 第二章 相关理论知识 | 第21-27页 |
| 2.1 影响最大化问题 | 第21-23页 |
| 2.1.1 问题描述 | 第21-22页 |
| 2.1.2 影响力传播评价函数 | 第22-23页 |
| 2.2 影响力传播模型 | 第23-27页 |
| 2.2.1 独立级联模型 | 第23-24页 |
| 2.2.2 带权重的独立级联模型 | 第24页 |
| 2.2.3 线性阈值模型 | 第24-25页 |
| 2.2.4 热传导模型 | 第25-27页 |
| 第三章 基于节点结构相似性的度中心性方法 | 第27-41页 |
| 3.1 度中心性 | 第27页 |
| 3.2 改进的度中心性方法 | 第27-29页 |
| 3.2.1 SCG算法 | 第28页 |
| 3.2.2 DegreeDiscount算法 | 第28-29页 |
| 3.3 基于相似性的度中心性方法 | 第29-30页 |
| 3.3.1 节点结构相似性 | 第29-30页 |
| 3.3.2 算法描述 | 第30页 |
| 3.4 实验分析 | 第30-39页 |
| 3.4.1 数据集描述 | 第30-31页 |
| 3.4.2 对比算法 | 第31-32页 |
| 3.4.3 实验结果 | 第32-39页 |
| 3.5 小结 | 第39-41页 |
| 第四章 基于社区结构的Memetic影响最大化算法 | 第41-61页 |
| 4.1 算法框架 | 第41页 |
| 4.2 社区划分 | 第41-44页 |
| 4.2.1 社区结构 | 第41-43页 |
| 4.2.2 社区划分算法 | 第43-44页 |
| 4.3 候选节点选择 | 第44-45页 |
| 4.3.1 重要社区 | 第44-45页 |
| 4.3.2 候选节点选择公式 | 第45页 |
| 4.4 影响力节点生成 | 第45-46页 |
| 4.5 一种用于社交网络影响最大化问题的Memetic算法 | 第46-50页 |
| 4.5.1 Memetic算法简介 | 第46页 |
| 4.5.2 算法框架 | 第46-47页 |
| 4.5.3 编码方式 | 第47-48页 |
| 4.5.4 种群初始化 | 第48-49页 |
| 4.5.5 遗传操作 | 第49页 |
| 4.5.6 局部搜索策略 | 第49-50页 |
| 4.6 实验分析 | 第50-61页 |
| 4.6.1 实验设置 | 第51-52页 |
| 4.6.2 实验结果 | 第52-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 作者简介 | 第69-70页 |