基于信息扩散规模,兴趣度和预算的多目标影响最大化研究
当前社交网络平台的发展,吸引了大量的用户群,进而带动了社会化营销的研究工作.影响力最大化是其一个重点研究方向.本文通过考虑扩散规模,用户兴趣值和扩散预算等因素,将影响力最大化模型作为多目标优化问题.多目标影响最大化(MOIM)模型的目的是最大化信息传播规模,尽可能多地传播对信息感兴趣的用户,并以预算约束最小化传播成本.考虑到社交网络的特性,本文利用蒙特卡洛抽样方法获得高影响力用户候选子集,并提出了一种基于分解策略的多目标进化算法(MOEA/D)的优化方法获得满足多目标约束的不可支配解集.利用真实社交网络数据的实验表明,提出的MOIM模型可以生成适当的种子集,为社会化营销提供了灵活高效的决策支持.
社交网络 多目标优化 影响力最大化 扩散规模 用户兴趣值 扩散预算
姜元春 史家成 刘业政 孙见山
合肥工业大学 管理学院,安徽 合肥230009;过程优化与智能决策教育部重点实验室,安徽 合肥230009
国内会议
天津
中文
1-8
2017-10-28（万方平台首次上网日期，不代表论文的发表时间）