CN103678669A - 一种社交网络中的社区影响力评估***及方法 - Google Patents

一种社交网络中的社区影响力评估***及方法 Download PDF

Info

Publication number
CN103678669A
CN103678669A CN201310725185.8A CN201310725185A CN103678669A CN 103678669 A CN103678669 A CN 103678669A CN 201310725185 A CN201310725185 A CN 201310725185A CN 103678669 A CN103678669 A CN 103678669A
Authority
CN
China
Prior art keywords
community
influence
matrix
social networks
influence power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310725185.8A
Other languages
English (en)
Other versions
CN103678669B (zh
Inventor
陈羽中
陈国龙
罗宇敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201310725185.8A priority Critical patent/CN103678669B/zh
Publication of CN103678669A publication Critical patent/CN103678669A/zh
Application granted granted Critical
Publication of CN103678669B publication Critical patent/CN103678669B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种社交网络中的社区影响力评估***及方法，所述方法包括：构造以社交网络用户为节点、用户关系为边的社交网络图；根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的初始影响力；根据影响力传播概率模型，生成影响力传播概率矩阵；根据影响力传播概率矩阵及社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，得到每个社区的影响力值，经归一化后，得到社区影响力序列，即社交网络中各社区的影响力估计结果。该***及方法可有效的分析社交网络中的社区影响力分布，挖掘高影响力社区，可应用于网络营销等领域。

Description

一种社交网络中的社区影响力评估***及方法
技术领域
本发明涉及社交网络技术领域，特别是一种社交网络中的社区影响力评估***及方法。
背景技术
社会影响力是指由于用户、组织或者社区与其他用户、组织或者社区等具有社交关系，导致自身行为随其他用户、组织或者社区的变化而变化的一种现象。社会影响力是社交网络中常见的一种现象。在社会网络中，各种各样的因素都可能对影响力产生影响。通过对社交网络中节点、社区等个体的影响力进行分析，可以发现社交网络中的具有重要影响力的核心节点和核心社区，可用于企业商业营销、广告定向投放、言论渠道推荐、舆情监控等诸多领域。
目前对社会影响力的研究主要集中于个体节点的影响力分析，针对不同结构或者不同类型的社会网络，通过结合多种网络结构特征、节点属性或者行为关系等因素，构造相应的模型与算法对个体节点的社会影响力进行评估。所采用的模型主要包括基于度中心性、距离中心性、介数中心性等结构属性的评估模型。如Meeyoung Cha等采用用户的入度、转发数和引用数三个参数评价Twitter网络中用户的影响力；Xiong Z等设计了UCI (User Community Influence)模型用于评估用户之间的影响力；刘建国等基于k-shell分解方法评估节点影响力。
近年来出现了一些针对社区影响力的评估方法，BELAK V等基于社交网络中成员间的交互性以及成员与社区间的隶属度计算社区间的交叉影响力；Eftekhar M等基于信息传播的思想发现传播能力较强的社区。
综上，针对社交网络中用户个体的影响力分析已经出现了较完善的技术和方法，但是针对社交网络中社区级别的影响力分析的方法还相对较少，且缺乏对社交网络中各社区的影响力的全面分析评估，面对大规模社交网络的场景，现有方法无论是在分析效果和效率上都难以满足要求。
发明内容
本发明的目的在于克服现有技术的不足，提供一种社交网络中的社区影响力评估***及方法，该***及方法有利于提高社区影响力评估的效果和效率。
为实现上述目的，本发明的技术方案是：一种社交网络中的社区影响力评估***，所述***包括社交网络图构造模块、社区划分模块、社区网络构造模块、社区初始影响力生成模块、社区影响力传播概率生成模块和社区影响力估计模块；
社交网络图构造模块，用于构造以社交网络用户为节点、用户关系为边的社交网络图；
社区划分模块，用于根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；
社区网络构造模块，用于根据社交网络的社区结构，生成社区网络图，构造表示节点与社区隶属关系的社区隶属矩阵；
社区初始影响力生成模块，用于根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；
社区影响力传播概率生成模块，用于根据所采用的影响力传播概率模型，生成影响力传播概率矩阵；
社区影响力估计模块，用于根据得到的影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，经归一化后，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。
本发明还提供了一种社交网络中的社区影响力评估方法，所述方法包括如下步骤：
步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；
步骤B：根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；
步骤C：根据社交网络的社区结构，生成社区网络图，计算表示节点与社区隶属关系的社区隶属矩阵；
步骤D：根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；
步骤E：根据所采用的影响力传播概率模型，计算影响力传播概率矩阵，获得任意两个社区间的影响力传播概率；
步骤F：根据影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，得到每个社区的影响力值；
步骤G：对获得的各个社区的影响力值进行归一化，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。
进一步地，当步骤B将社交网络G=(V,E)划分为k个社区，获得社交网络的社区结构后，在步骤C中，用社区网络图CG=(C,CE)表示社交网络的社区结构，其中C={c 1,c 2,…,c k }表示划分得到的社区集合，                                                
Figure 2013107251858100002DEST_PATH_IMAGE002
为社区网络图CG的边集，由E中连接不同社区的边子集构成，社区隶属矩阵M为矩阵，表示节点与社区之间的隶属关系，矩阵元素定义为：
Figure 2013107251858100002DEST_PATH_IMAGE006
即如果节点i隶属于社区q，则M i,q =1，否则M i,q =0。
进一步地，所述步骤D具体包括以下步骤：
步骤D1：提供社交网络图G=(V,E)、社区网络图CG=(C,CE)、社区隶属矩阵M；
步骤D2：计算反映社区之间关系密切程度的社区关联矩阵R；
步骤D3：计算社区之间的影响程度矩阵IA；
步骤D4：根据得到的影响程度矩阵，计算各社区的社区初始影响力
Figure 2013107251858100002DEST_PATH_IMAGE008
。
进一步地，所述步骤D2中，社区关联矩阵R为
Figure 2013107251858100002DEST_PATH_IMAGE010
矩阵，矩阵元素的计算公式如下：
Figure 2013107251858100002DEST_PATH_IMAGE012
其中，a i,j 为社交网络图G的邻接矩阵元素，R i,j 为连接社区p和社区q的边集的权重和，即社区p和社区q之间的关联关系数，反映社区间的关联密切程度。
进一步地，所述步骤D3中，影响程度矩阵IA表示社区相互之间的影响程度，定义为社区关联矩阵R和作用矩阵
Figure 2013107251858100002DEST_PATH_IMAGE014
的Hadamard积，计算公式为：
Figure 2013107251858100002DEST_PATH_IMAGE016
其中作用矩阵
Figure 546699DEST_PATH_IMAGE014
的元素定义为：
Figure 2013107251858100002DEST_PATH_IMAGE018
其中，N i,j 表示社区i和社区j存在关联的节点数，|V j |为社区j的节点数。
进一步地，所述步骤D4中，社区初始影响力定义为该社区对其所有邻居社区的影响程度总和，社区初始影响力计算公式为：
Figure 2013107251858100002DEST_PATH_IMAGE020
其中，NE(p)表示社区p的邻居社区集合。
进一步地，所述步骤E中，社区影响力传播概率矩阵T的矩阵元素的计算公式如下：
其中，为影响力贡献率，表示社区p的影响力扩散到社区q的概率，
Figure 935873DEST_PATH_IMAGE024
的定义仅考虑两个社区之间的影响力转移概率，体现的是社区的局部影响，定义如下：
Figure 2013107251858100002DEST_PATH_IMAGE026
Figure 15956DEST_PATH_IMAGE024
具有如下性质：
Figure 2013107251858100002DEST_PATH_IMAGE028
该性质保证了各社区影响力扩散概率的一致性；
S p,q 表示社区q的邻居社区p对除社区q的邻居社区外的社区的影响力传播概率，考虑了社区影响力扩散到邻居社区后对其他社区的间接影响力，即社区的全局影响能力，定义如下：
Figure 2013107251858100002DEST_PATH_IMAGE030
其中|NE(p)|表示社区p的邻居社区数，
Figure 2013107251858100002DEST_PATH_IMAGE032
表示社区p和社区q的共同邻居数。
进一步地，所述步骤F中，社区影响力迭代计算模型定义如下：
Figure 2013107251858100002DEST_PATH_IMAGE034
其中，T为社区影响力传播概率矩阵，k为社区数，
Figure 2013107251858100002DEST_PATH_IMAGE036
为阻尼因子，用于对社区影响力的计算进行修正，t表示迭代次数，N为最大迭代次数；
迭代终止条件定义为算法前后两次迭代的影响力相差值小于阈值
Figure 2013107251858100002DEST_PATH_IMAGE040
或者迭代次数超过最大迭代次数N；
Figure 603405DEST_PATH_IMAGE038
指所有社区前后两次迭代影响力差值的最大值，定义为：
Figure 2013107251858100002DEST_PATH_IMAGE042
。
进一步地，所述步骤G中，归一化是将各社区影响力值映射到[0,1]区间，便于对个社区影响力的定量定性估计，采用的线性归一化函数定义为：
Figure 2013107251858100002DEST_PATH_IMAGE044
其中，Infl i 为第i个社区的影响力值，MinInfl为社区影响力最小值，MaxInfl为社区影响力最大值。
相较于现有技术，本发明的有益效果是：基于邻居质量、社区成员数、社区邻居数等社区影响力因素，采用随机游走模型，构造了社区影响力传播概率转移模型及影响力评估迭代方法。综上，本发明的***和方法能够合理有效地评估社交网络中社区的影响力。  
附图说明
图1是本发明***的模块结构示意图。
图2是本发明方法的实现流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步的详细说明。
图1是本发明的社交网络中的社区影响力评估***的模块结构示意图。如图1所示，所述***包括：社交网络图构造模块100、社区划分模块200、社区网络构造模块300、社区初始影响力生成模块400、社区影响力传播概率生成模块500、社区影响力估计模块600。
社交网络图构造模块100，用于构造以社交网络用户为节点、用户关系为边的社交网络图；社区划分模块200，用于根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；社区网络构造模块300，用于根据社交网络的社区结构，生成社区网络图，构造表示节点与社区隶属关系的社区隶属矩阵；社区初始影响力生成模块400，用于根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；社区影响力传播概率生成模块500，用于根据所采用的影响力传播概率模型，生成影响力传播概率矩阵；社区影响力估计模块600，用于根据得到的影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，经归一化后，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。
图2是本发明的社交网络中的社区影响力评估方法的实现流程示意图。如图2所示，所述方法包括如下步骤：
步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图。
如针对微博网络，将每个微博注册用户作为社交网络中的一个节点，以用户间的相互关注、评论关系作为社交网络中的一条边；如针对协作网络，将每个作者作为网络中的一个节点，以两个作者至少共同发表过一篇文章的协作关系作为社交网络中的一条边。采用稀疏矩阵的数据结构存储社交网络图的邻接矩阵A。
具体的，邻接矩阵A中的元素定义为：
Figure 2013107251858100002DEST_PATH_IMAGE046
步骤B：根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构。
具体的，可以采用标签传播算法(Label Propagation Algorithm)对社交网络进行社区划分，标签传播算法是一种首先对每个节点进行标签初始化，为每个节点赋予一个唯一的标签，之后以一定的更新规则依次更新每个节点的标签；不断重复该步骤，直到当次的迭代更新中没有节点发生标签更新，算法结束，具有相同标签的节点属于同一社区，得到社交网络的社区划分结果。标签的更新规则如下：
Figure 2013107251858100002DEST_PATH_IMAGE048
其中，
Figure DEST_PATH_IMAGE050
是节点u的当前标签号，
Figure DEST_PATH_IMAGE052
是v更新后的标签号，如果多个标签满足条件，则从中随机选择一个标签赋予节点v。
步骤C：根据社交网络的社区结构，生成社区网络图，计算表示节点与社区隶属关系的社区隶属矩阵。
具体的，当步骤B将社交网络G=(V,E)划分为k个社区，获得社交网络的社区结构后，在步骤C中，用社区网络图CG=(C,CE)表示社交网络的社区结构，其中C={c 1,c 2,…,c k }表示划分得到的社区集合， 
Figure 646186DEST_PATH_IMAGE002
为社区网络图CG的边集，由E中连接不同社区的边子集构成，社区隶属矩阵M为
Figure 577232DEST_PATH_IMAGE004
矩阵，表示节点与社区之间的隶属关系，矩阵元素定义为：
Figure 206928DEST_PATH_IMAGE006
即如果节点i隶属于社区q，则M i,q =1，否则M i,q =0。
步骤D：根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力。
所述步骤D具体包括以下步骤：
步骤D1：提供社交网络图G=(V,E)、社区网络图CG=(C,CE)、社区隶属矩阵M。
步骤D2：计算反映社区之间关系密切程度的社区关联矩阵R。社区关联矩阵反映了社区之间的关系密切程度，在现实的社区网络中，如果两个社区的内部节点的跨社区关联关系数越多，表示这两个社区的关系就越密切。
具体的，所述步骤D2中，社区关联矩阵R为
Figure 881623DEST_PATH_IMAGE010
矩阵，矩阵元素的计算公式如下：
Figure 345621DEST_PATH_IMAGE012
其中，a i,j 为社交网络图G的邻接矩阵元素，R i,j 为连接社区p和社区q的边集的权重和，即社区p和社区q之间的关联关系数，反映社区间的关联密切程度。
步骤D3：计算社区之间的影响程度矩阵IA。
具体的，所述步骤D3中，影响程度矩阵IA表示社区相互之间的影响程度，定义为社区关联矩阵R和作用矩阵
Figure 713148DEST_PATH_IMAGE014
的Hadamard积，计算公式为：
Figure 830140DEST_PATH_IMAGE016
其中作用矩阵
Figure 42947DEST_PATH_IMAGE014
的元素定义为：
Figure 561784DEST_PATH_IMAGE018
其中，N i,j 表示社区i和社区j存在关联的节点数，|V j |为社区j的节点数。
如果两个社区的关系越密切，它们之间的相互影响就越大。但是由于两个社区的规模可能并不相同，它们之间的相互影响程度也应该是不相同的, 考虑如下场景，社区C 1中会被社区C 2影响到的成员占其全部的1/3，而社区C 2中被社区C 1影响到的成员占其全部的3/5，即便社区C 1和C 2之间的权重是相等的，但是社区C 1对社区C 2的影响程度比社区C 2对社区C 1的影响程度大。作用矩阵元素体现了社区之间存在关联节点数占社区节点总数的比例，因此社区间的影响程度矩阵定义为社区关联矩阵
Figure DEST_PATH_IMAGE054
和作用矩阵
Figure 769387DEST_PATH_IMAGE014
的Hadamard积。
步骤D4：根据得到的影响程度矩阵，计算各社区的社区初始影响力
Figure 435992DEST_PATH_IMAGE008
。
具体的，所述步骤D4中，社区初始影响力定义为该社区对其所有邻居社区的影响程度总和，社区初始影响力计算公式为：
Figure 390172DEST_PATH_IMAGE020
其中，NE(p)表示社区p的邻居社区集合。
步骤E：根据所采用的影响力传播概率模型，计算影响力传播概率矩阵，获得任意两个社区间的影响力传播概率。
具体的，所述步骤E中，社区影响力传播概率矩阵T的矩阵元素的计算公式如下：
Figure 825833DEST_PATH_IMAGE022
其中，
Figure 535163DEST_PATH_IMAGE024
为影响力贡献率，表示社区p的影响力扩散到社区q的概率。
影响力贡献率基于如下思想：如果一个社区的邻居影响力越来越强，那么该社区本身的影响力也会随之提升。，图中的每个节点代表一个社区，假设社区E的影响力变大，在社区E对社区A的影响程度不变的情况下，从社区E扩散到社区A的影响力变大，使得社区A的影响力得到提升。其中，社区E扩散到社区A的影响力占社区E全部影响力的比例相当于社区E对社区A的影响力贡献率。
Figure 423484DEST_PATH_IMAGE024
的计算公式如下：
Figure 243673DEST_PATH_IMAGE026
Figure 462734DEST_PATH_IMAGE024
具有如下性质：
Figure 342965DEST_PATH_IMAGE028
该性质保证了各社区影响力扩散概率的一致性。
Figure 656266DEST_PATH_IMAGE024
的定义仅考虑两个社区之间的影响力转移概率，体现的是社区的局部影响。考虑以下场景：假设社区C和E一步转移给社区A的影响力是相等的，而社区E比社区C具有更多的邻居社区，社区E可以将自身影响力向社区E和F扩散，而社区E和F在将来也可能会间接影响到社区A，可以看出社区E的传播能力比社区C更强，因此社区E对社区A的贡献率应相对较大。基于以上分析，引入S p,q 因子，S p,q 表示社区q的邻居社区p对除社区q的邻居社区外的社区的影响力传播概率，考虑了社区影响力扩散到邻居社区后对其他社区的间接影响力，即社区的全局影响能力，计算公式如下：
Figure 14566DEST_PATH_IMAGE030
其中|NE(p)|表示社区p的邻居社区数，表示社区p和社区q的共同邻居数。
步骤F：根据影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，得到每个社区的影响力值。
具体的，所述步骤F中，社区影响力迭代计算模型定义如下：
Figure 286071DEST_PATH_IMAGE034
其中，T为社区影响力传播概率矩阵，k为社区数，
Figure 148985DEST_PATH_IMAGE036
为阻尼因子，用于对社区影响力的计算进行修正，t表示迭代次数，N为最大迭代次数；
迭代终止条件定义为算法前后两次迭代的影响力相差值
Figure 310976DEST_PATH_IMAGE038
小于阈值
Figure 247839DEST_PATH_IMAGE040
或者迭代次数超过最大迭代次数N；指所有社区前后两次迭代影响力差值的最大值，定义为：
Figure 823013DEST_PATH_IMAGE042
。
步骤G：对获得的各个社区的影响力值进行归一化，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。
具体的，所述步骤G中，归一化是将各社区影响力值映射到[0,1]区间，便于对个社区影响力的定量定性估计，采用的线性归一化函数定义为：
Figure 726378DEST_PATH_IMAGE044
其中，Infl i 为第i个社区的影响力值，MinInfl为社区影响力最小值，MaxInfl为社区影响力最大值。
本发明所述社交网络中的社区影响力评估***及方法，基于邻居质量、社区成员数、社区邻居书等社区影响力因素，采用随机游走模型，构造了社区影响力传播概率转移模型及影响力评估迭代方法。综上，本发明的***和方法能够合理有效地评估社交网络中社区的影响力。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (10)

1.一种社交网络中的社区影响力评估***，其特征在于，所述***包括：
社交网络图构造模块，用于构造以社交网络用户为节点、用户关系为边的社交网络图；
社区划分模块，用于根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；
社区网络构造模块，用于根据社交网络的社区结构，生成社区网络图，构造表示节点与社区隶属关系的社区隶属矩阵；
社区初始影响力生成模块，用于根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；
社区影响力传播概率生成模块，用于根据所采用的影响力传播概率模型，生成影响力传播概率矩阵；
社区影响力估计模块，用于根据得到的影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，经归一化后，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。
2.一种社交网络中的社区影响力评估方法，其特征在于，所述方法包括如下步骤：
步骤A：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；
步骤B：根据社交网络图，采用标签传播算法进行社区划分，获得社交网络的社区结构；
步骤C：根据社交网络的社区结构，生成社区网络图，计算表示节点与社区隶属关系的社区隶属矩阵；
步骤D：根据社区网络图及社区隶属矩阵，计算社区影响力参数，生成各社区的社区初始影响力；
步骤E：根据所采用的影响力传播概率模型，计算影响力传播概率矩阵，获得任意两个社区间的影响力传播概率；
步骤F：根据影响力传播概率矩阵、社区初始影响力以及所采用的社区影响力迭代计算模型，迭代更新社区影响力，直到满足迭代终止条件，得到每个社区的影响力值；
步骤G：对获得的各个社区的影响力值进行归一化，得到社区影响力序列，即社交网络中各社区的社区影响力评估结果。
3.根据权利要求2所述的一种社交网络中的社区影响力评估方法，其特征在于，当步骤B将社交网络G=(V,E)划分为k个社区，获得社交网络的社区结构后，在步骤C中，用社区网络图CG=(C,CE)表示社交网络的社区结构，其中C={c 1,c 2,…,c k }表示划分得到的社区集合，                                                
Figure 2013107251858100001DEST_PATH_IMAGE002
为社区网络图CG的边集，由E中连接不同社区的边子集构成，社区隶属矩阵M为
Figure 2013107251858100001DEST_PATH_IMAGE004
矩阵，表示节点与社区之间的隶属关系，矩阵元素定义为：
Figure 2013107251858100001DEST_PATH_IMAGE006
即如果节点i隶属于社区q，则M i,q =1，否则M i,q =0。
4.根据权利要求2所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤D具体包括以下步骤：
步骤D1：提供社交网络图G=(V,E)、社区网络图CG=(C,CE)、社区隶属矩阵M；
步骤D2：计算反映社区之间关系密切程度的社区关联矩阵R；
步骤D3：计算社区之间的影响程度矩阵IA；
步骤D4：根据得到的影响程度矩阵，计算各社区的社区初始影响力
Figure 2013107251858100001DEST_PATH_IMAGE008
。
5.根据权利要求4所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤D2中，社区关联矩阵R为
Figure 2013107251858100001DEST_PATH_IMAGE010
矩阵，矩阵元素的计算公式如下：
Figure 2013107251858100001DEST_PATH_IMAGE012
其中，a i,j 为社交网络图G的邻接矩阵元素，R p,q 为连接社区p和社区q的边集的权重和，即社区p和社区q之间的关联关系数，反映社区间的关联密切程度。
6.根据权利要求4所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤D3中，影响程度矩阵IA表示社区相互之间的影响程度，定义为社区关联矩阵R和作用矩阵
Figure 2013107251858100001DEST_PATH_IMAGE014
的Hadamard积，计算公式为：
Figure 2013107251858100001DEST_PATH_IMAGE016
其中作用矩阵
Figure 776089DEST_PATH_IMAGE014
的元素定义为：
Figure 2013107251858100001DEST_PATH_IMAGE018
其中，N i,j 表示社区i和社区j存在关联的节点数，|V j |为社区j的节点数。
7.根据权利要求4所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤D4中，社区初始影响力定义为该社区对其所有邻居社区的影响程度总和，社区初始影响力计算公式为：
Figure 2013107251858100001DEST_PATH_IMAGE020
其中，NE(p)表示社区p的邻居社区集合。
8.根据权利要求2所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤E中，社区影响力传播概率矩阵T的矩阵元素的计算公式如下：
Figure 2013107251858100001DEST_PATH_IMAGE022
其中，
Figure 2013107251858100001DEST_PATH_IMAGE024
为影响力贡献率，表示社区p的影响力扩散到社区q的概率，的定义仅考虑两个社区之间的影响力转移概率，体现的是社区的局部影响，定义如下：
Figure 2013107251858100001DEST_PATH_IMAGE026
具有如下性质：
Figure 2013107251858100001DEST_PATH_IMAGE028
该性质保证了各社区影响力扩散概率的一致性；
S p,q 表示社区q的邻居社区p对除社区q的邻居社区外的社区的影响力传播概率，考虑了社区影响力扩散到邻居社区后对其他社区的间接影响力，即社区的全局影响能力，定义如下：
Figure 2013107251858100001DEST_PATH_IMAGE030
其中|NE(p)|表示社区p的邻居社区数，
Figure 2013107251858100001DEST_PATH_IMAGE032
表示社区p和社区q的共同邻居数。
9.根据权利要求2所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤F中，社区影响力迭代计算模型定义如下：
Figure 2013107251858100001DEST_PATH_IMAGE034
其中，T为社区影响力传播概率矩阵，k为社区数，
Figure 2013107251858100001DEST_PATH_IMAGE036
为阻尼因子，用于对社区影响力的计算进行修正，t表示迭代次数，N为最大迭代次数；
迭代终止条件定义为算法前后两次迭代的影响力相差值
Figure 2013107251858100001DEST_PATH_IMAGE038
小于阈值
Figure 2013107251858100001DEST_PATH_IMAGE040
或者迭代次数超过最大迭代次数N；
Figure 449536DEST_PATH_IMAGE038
指所有社区前后两次迭代影响力差值的最大值，定义为：
Figure 2013107251858100001DEST_PATH_IMAGE042
。
10.根据权利要求2所述的一种社交网络中的社区影响力评估方法，其特征在于，所述步骤G中，归一化是将各社区影响力值映射到[0,1]区间，便于对个社区影响力的定量定性估计，采用的线性归一化函数定义为：
其中，Infl i 为第i个社区的影响力值，MinInfl为社区影响力最小值，MaxInfl为社区影响力最大值。
CN201310725185.8A 2013-12-25 2013-12-25 一种社交网络中的社区影响力评估***及方法 Expired - Fee Related CN103678669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310725185.8A CN103678669B (zh) 2013-12-25 2013-12-25 一种社交网络中的社区影响力评估***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310725185.8A CN103678669B (zh) 2013-12-25 2013-12-25 一种社交网络中的社区影响力评估***及方法

Publications (2)

Publication Number Publication Date
CN103678669A true CN103678669A (zh) 2014-03-26
CN103678669B CN103678669B (zh) 2017-02-08

Family

ID=50316213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310725185.8A Expired - Fee Related CN103678669B (zh) 2013-12-25 2013-12-25 一种社交网络中的社区影响力评估***及方法

Country Status (1)

Country Link
CN (1) CN103678669B (zh)

Cited By (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955545A (zh) * 2014-05-22 2014-07-30 成都品果科技有限公司 一种个性化的社交网络影响识别方法
CN104008182A (zh) * 2014-06-10 2014-08-27 盐城师范学院 社交网络交流影响力的测定方法及***
CN104050245A (zh) * 2014-06-04 2014-09-17 江苏大学 一种基于活跃度的社交网络影响力最大化方法
CN104199852A (zh) * 2014-08-12 2014-12-10 上海交通大学 基于节点隶属度的标签传播社团结构挖掘方法
CN104408108A (zh) * 2014-11-18 2015-03-11 重庆邮电大学 基于灰色***理论的热点话题群体影响力分析***及方法
CN104484825A (zh) * 2014-12-05 2015-04-01 上海师范大学 社交网络社区影响力评估算法
CN104598605A (zh) * 2015-01-30 2015-05-06 福州大学 一种社交网络中的用户影响力评估方法
CN104616225A (zh) * 2015-02-11 2015-05-13 武汉大学 基于社区在线学习***的学习激励机制构建方法
CN105005918A (zh) * 2015-07-24 2015-10-28 金鹃传媒科技股份有限公司 一种基于用户行为数据和***影响力分析的在线广告推送方法及其推送评估方法
CN105095988A (zh) * 2015-07-01 2015-11-25 中国科学院计算技术研究所 社交网络信息爆发检测方法与***
CN105653689A (zh) * 2015-12-30 2016-06-08 杭州师范大学 一种用户传播影响力的确定方法和装置
CN105956925A (zh) * 2016-04-23 2016-09-21 时趣互动（北京）科技有限公司 一种基于传播网络的重要用户发现方法及装置
CN105991397A (zh) * 2015-02-04 2016-10-05 阿里巴巴集团控股有限公司 信息传播方法和装置
CN106127591A (zh) * 2016-06-22 2016-11-16 南京邮电大学 基于效用的在线社交网络链接推荐方法
WO2017080398A1 (zh) * 2015-11-12 2017-05-18 阿里巴巴集团控股有限公司 一种用户群体的划分方法和装置
CN106934004A (zh) * 2017-03-07 2017-07-07 广州优视网络科技有限公司 一种基于地域特征向用户推荐文章的方法和装置
CN106933949A (zh) * 2017-01-20 2017-07-07 浙江大学 一种控制社交网络中影响力爆发的规划方法
CN106952166A (zh) * 2016-01-07 2017-07-14 腾讯科技（深圳）有限公司 一种社交平台的用户影响力估算方法及装置
CN107767278A (zh) * 2016-08-15 2018-03-06 腾讯科技（深圳）有限公司 社群层次结构构建方法和装置
CN108604314A (zh) * 2015-12-01 2018-09-28 渊慧科技有限公司 使用强化学习选择动作名单
CN108920890A (zh) * 2018-07-02 2018-11-30 河北科技大学 一种复杂网络中结构洞Spanner的挖掘方法
CN109145223A (zh) * 2018-09-28 2019-01-04 合肥工业大学 一种基于社交影响力传播的社交推荐方法
CN109255054A (zh) * 2017-07-14 2019-01-22 元素征信有限责任公司 一种基于关系权重的企业图谱中的社区发现算法
CN109344326A (zh) * 2018-09-11 2019-02-15 阿里巴巴集团控股有限公司 一种社交圈的挖掘方法和装置
CN109617871A (zh) * 2018-12-06 2019-04-12 西安电子科技大学 基于社团结构信息和阈值的网络节点免疫方法
CN109949176A (zh) * 2019-03-28 2019-06-28 南京邮电大学 一种基于图嵌入的社交网络中异常用户检测方法
CN109977150A (zh) * 2019-03-18 2019-07-05 常州轻工职业技术学院 一种基于数据物理特征和隐含风格特征的新颖分类方法
CN110222273A (zh) * 2019-05-14 2019-09-10 上海交通大学 基于地理社区的社交网络中的商业点推广方法和***
CN110719224A (zh) * 2019-09-26 2020-01-21 西安理工大学 一种基于标签传播的拓扑势社区检测方法
CN110838072A (zh) * 2019-10-24 2020-02-25 华中科技大学 一种基于社区发现的社交网络影响力最大化方法及***
CN111062808A (zh) * 2019-12-24 2020-04-24 深圳市信联征信有限公司 ***额度评估方法、装置、计算机设备及存储介质
CN111122171A (zh) * 2018-10-30 2020-05-08 中国汽车技术研究中心有限公司 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法
CN111177578A (zh) * 2019-12-16 2020-05-19 杭州电子科技大学 一种用户周边最具影响力社区的搜索方法
CN111784206A (zh) * 2020-07-29 2020-10-16 南昌航空大学 采用LeaderRank算法评估社交网络关键节点的方法
CN112148991A (zh) * 2020-10-16 2020-12-29 重庆理工大学 融合度折扣和局部节点的社交网络节点影响力推荐方法
CN112269922A (zh) * 2020-10-14 2021-01-26 西华大学 一种基于网络表示学习的社区舆论关键人物发现方法
CN112329473A (zh) * 2020-10-20 2021-02-05 哈尔滨理工大学 一种基于话题影响力渗流的语义社交网络社区发现方法
CN112380465A (zh) * 2020-11-13 2021-02-19 兰州七度数聚技术有限公司 基于注意力流网络模型的互联网站点影响力的定量评估方法
CN112765489A (zh) * 2021-01-26 2021-05-07 南京航空航天大学 一种社交网络链路预测方法及***
CN113516562A (zh) * 2021-07-28 2021-10-19 中移（杭州）信息技术有限公司 家庭社交网络构建方法、装置、设备及存储介质
WO2021217933A1 (zh) * 2020-04-29 2021-11-04 深圳壹账通智能科技有限公司 同质网络的社群划分方法、装置、计算机设备和存储介质
CN113689285A (zh) * 2021-08-18 2021-11-23 深圳前海微众银行股份有限公司 一种检测用户特征的方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6704717B1 (en) * 1999-09-29 2004-03-09 Ncr Corporation Analytic algorithm for enhanced back-propagation neural network processing
CN101916256A (zh) * 2010-07-13 2010-12-15 北京大学 综合行动者兴趣与网络拓扑的社区发现方法
CN102779142A (zh) * 2011-06-28 2012-11-14 安徽大学 基于社区紧密度的快速社区发现方法
CN102929942B (zh) * 2012-09-27 2015-08-12 福建师范大学 一种基于集成学习的社会网络重叠社区发现方法

Cited By (70)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103955545B (zh) * 2014-05-22 2017-07-18 成都品果科技有限公司 一种个性化的社交网络影响识别方法
CN103955545A (zh) * 2014-05-22 2014-07-30 成都品果科技有限公司 一种个性化的社交网络影响识别方法
CN104050245A (zh) * 2014-06-04 2014-09-17 江苏大学 一种基于活跃度的社交网络影响力最大化方法
CN104050245B (zh) * 2014-06-04 2018-02-27 江苏大学 一种基于活跃度的社交网络影响力最大化方法
CN104008182A (zh) * 2014-06-10 2014-08-27 盐城师范学院 社交网络交流影响力的测定方法及***
CN104008182B (zh) * 2014-06-10 2017-07-14 盐城师范学院 社交网络交流影响力的测定方法及***
CN104199852A (zh) * 2014-08-12 2014-12-10 上海交通大学 基于节点隶属度的标签传播社团结构挖掘方法
CN104199852B (zh) * 2014-08-12 2018-01-12 上海交通大学 基于节点隶属度的标签传播社团结构挖掘方法
CN104408108A (zh) * 2014-11-18 2015-03-11 重庆邮电大学 基于灰色***理论的热点话题群体影响力分析***及方法
CN104408108B (zh) * 2014-11-18 2018-08-14 重庆邮电大学 基于灰色***理论的热点话题群体影响力分析***及方法
CN104484825A (zh) * 2014-12-05 2015-04-01 上海师范大学 社交网络社区影响力评估算法
CN104598605A (zh) * 2015-01-30 2015-05-06 福州大学 一种社交网络中的用户影响力评估方法
CN104598605B (zh) * 2015-01-30 2018-01-12 福州大学 一种社交网络中的用户影响力评估方法
CN105991397B (zh) * 2015-02-04 2020-03-03 阿里巴巴集团控股有限公司 信息传播方法和装置
CN105991397A (zh) * 2015-02-04 2016-10-05 阿里巴巴集团控股有限公司 信息传播方法和装置
CN104616225B (zh) * 2015-02-11 2017-11-14 武汉大学 基于社区在线学习***的学习激励机制构建方法
CN104616225A (zh) * 2015-02-11 2015-05-13 武汉大学 基于社区在线学习***的学习激励机制构建方法
CN105095988A (zh) * 2015-07-01 2015-11-25 中国科学院计算技术研究所 社交网络信息爆发检测方法与***
CN105005918B (zh) * 2015-07-24 2018-07-17 金鹃传媒科技股份有限公司 一种基于用户行为数据和***影响力分析的在线广告推送评估方法
CN105005918A (zh) * 2015-07-24 2015-10-28 金鹃传媒科技股份有限公司 一种基于用户行为数据和***影响力分析的在线广告推送方法及其推送评估方法
WO2017080398A1 (zh) * 2015-11-12 2017-05-18 阿里巴巴集团控股有限公司 一种用户群体的划分方法和装置
CN106708844A (zh) * 2015-11-12 2017-05-24 阿里巴巴集团控股有限公司 一种用户群体的划分方法和装置
CN108604314A (zh) * 2015-12-01 2018-09-28 渊慧科技有限公司 使用强化学习选择动作名单
CN105653689B (zh) * 2015-12-30 2019-03-26 杭州师范大学 一种用户传播影响力的确定方法和装置
CN105653689A (zh) * 2015-12-30 2016-06-08 杭州师范大学 一种用户传播影响力的确定方法和装置
CN106952166A (zh) * 2016-01-07 2017-07-14 腾讯科技（深圳）有限公司 一种社交平台的用户影响力估算方法及装置
CN106952166B (zh) * 2016-01-07 2020-11-03 腾讯科技（深圳）有限公司 一种社交平台的用户影响力估算方法及装置
CN105956925B (zh) * 2016-04-23 2021-07-02 时趣互动（北京）科技有限公司 一种基于传播网络的重要用户发现方法及装置
CN105956925A (zh) * 2016-04-23 2016-09-21 时趣互动（北京）科技有限公司 一种基于传播网络的重要用户发现方法及装置
CN106127591A (zh) * 2016-06-22 2016-11-16 南京邮电大学 基于效用的在线社交网络链接推荐方法
CN107767278A (zh) * 2016-08-15 2018-03-06 腾讯科技（深圳）有限公司 社群层次结构构建方法和装置
CN107767278B (zh) * 2016-08-15 2021-08-24 腾讯科技（深圳）有限公司 社群层次结构构建方法和装置
CN106933949B (zh) * 2017-01-20 2020-09-11 浙江大学 一种控制社交网络中影响力爆发的规划方法
CN106933949A (zh) * 2017-01-20 2017-07-07 浙江大学 一种控制社交网络中影响力爆发的规划方法
CN106934004A (zh) * 2017-03-07 2017-07-07 广州优视网络科技有限公司 一种基于地域特征向用户推荐文章的方法和装置
CN109255054A (zh) * 2017-07-14 2019-01-22 元素征信有限责任公司 一种基于关系权重的企业图谱中的社区发现算法
CN109255054B (zh) * 2017-07-14 2021-12-10 元素征信有限责任公司 一种基于关系权重的企业图谱中的社区发现方法
CN108920890A (zh) * 2018-07-02 2018-11-30 河北科技大学 一种复杂网络中结构洞Spanner的挖掘方法
CN109344326A (zh) * 2018-09-11 2019-02-15 阿里巴巴集团控股有限公司 一种社交圈的挖掘方法和装置
CN109344326B (zh) * 2018-09-11 2021-09-24 创新先进技术有限公司 一种社交圈的挖掘方法和装置
CN109145223B (zh) * 2018-09-28 2021-03-09 合肥工业大学 一种基于社交影响力传播的社交推荐方法
CN109145223A (zh) * 2018-09-28 2019-01-04 合肥工业大学 一种基于社交影响力传播的社交推荐方法
CN111122171B (zh) * 2018-10-30 2021-07-20 中国汽车技术研究中心有限公司 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法
CN111122171A (zh) * 2018-10-30 2020-05-08 中国汽车技术研究中心有限公司 一种基于vsp工况的柴油车与柴油机多种排放检测方法的多源异构数据关联分析方法
CN109617871A (zh) * 2018-12-06 2019-04-12 西安电子科技大学 基于社团结构信息和阈值的网络节点免疫方法
CN109977150A (zh) * 2019-03-18 2019-07-05 常州轻工职业技术学院 一种基于数据物理特征和隐含风格特征的新颖分类方法
CN109949176B (zh) * 2019-03-28 2022-07-15 南京邮电大学 一种基于图嵌入的社交网络中异常用户检测方法
CN109949176A (zh) * 2019-03-28 2019-06-28 南京邮电大学 一种基于图嵌入的社交网络中异常用户检测方法
CN110222273B (zh) * 2019-05-14 2021-08-17 上海交通大学 基于地理社区的社交网络中的商业点推广方法和***
CN110222273A (zh) * 2019-05-14 2019-09-10 上海交通大学 基于地理社区的社交网络中的商业点推广方法和***
CN110719224B (zh) * 2019-09-26 2021-08-06 西安理工大学 一种基于标签传播的拓扑势社区检测方法
CN110719224A (zh) * 2019-09-26 2020-01-21 西安理工大学 一种基于标签传播的拓扑势社区检测方法
CN110838072A (zh) * 2019-10-24 2020-02-25 华中科技大学 一种基于社区发现的社交网络影响力最大化方法及***
CN111177578B (zh) * 2019-12-16 2022-04-15 杭州电子科技大学 一种用户周边最具影响力社区的搜索方法
CN111177578A (zh) * 2019-12-16 2020-05-19 杭州电子科技大学 一种用户周边最具影响力社区的搜索方法
CN111062808A (zh) * 2019-12-24 2020-04-24 深圳市信联征信有限公司 ***额度评估方法、装置、计算机设备及存储介质
CN111062808B (zh) * 2019-12-24 2023-06-09 深圳市信联征信有限公司 ***额度评估方法、装置、计算机设备及存储介质
WO2021217933A1 (zh) * 2020-04-29 2021-11-04 深圳壹账通智能科技有限公司 同质网络的社群划分方法、装置、计算机设备和存储介质
CN111784206B (zh) * 2020-07-29 2021-03-19 南昌航空大学 采用LeaderRank算法评估社交网络关键节点的方法
CN111784206A (zh) * 2020-07-29 2020-10-16 南昌航空大学 采用LeaderRank算法评估社交网络关键节点的方法
CN112269922A (zh) * 2020-10-14 2021-01-26 西华大学 一种基于网络表示学习的社区舆论关键人物发现方法
CN112148991A (zh) * 2020-10-16 2020-12-29 重庆理工大学 融合度折扣和局部节点的社交网络节点影响力推荐方法
CN112329473A (zh) * 2020-10-20 2021-02-05 哈尔滨理工大学 一种基于话题影响力渗流的语义社交网络社区发现方法
CN112380465A (zh) * 2020-11-13 2021-02-19 兰州七度数聚技术有限公司 基于注意力流网络模型的互联网站点影响力的定量评估方法
CN112765489A (zh) * 2021-01-26 2021-05-07 南京航空航天大学 一种社交网络链路预测方法及***
CN112765489B (zh) * 2021-01-26 2024-04-19 南京航空航天大学 一种社交网络链路预测方法及***
CN113516562A (zh) * 2021-07-28 2021-10-19 中移（杭州）信息技术有限公司 家庭社交网络构建方法、装置、设备及存储介质
CN113516562B (zh) * 2021-07-28 2023-09-19 中移（杭州）信息技术有限公司 家庭社交网络构建方法、装置、设备及存储介质
CN113689285A (zh) * 2021-08-18 2021-11-23 深圳前海微众银行股份有限公司 一种检测用户特征的方法、装置、设备及存储介质
CN113689285B (zh) * 2021-08-18 2024-04-26 深圳前海微众银行股份有限公司 一种检测用户特征的方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN103678669B (zh) 2017-02-08

Similar Documents

Publication Publication Date Title
CN103678669A (zh) 一种社交网络中的社区影响力评估***及方法
Rahimkhani et al. A fast algorithm for finding most influential people based on the linear threshold model
Van Buuren et al. Fully conditional specification in multivariate imputation
Bliss et al. Twitter reciprocal reply networks exhibit assortativity with respect to happiness
Wang et al. Evolving hypernetwork model
Zhu Discovering the influential users oriented to viral marketing based on online social networks
CN102262681B (zh) 一种博客信息传播中识别关键博客集的方法
CN104134159B (zh) 一种基于随机模型预测信息最大化传播范围的方法
Alvisi et al. Segment identification in water distribution systems
Long et al. Viral marketing for dedicated customers
Ronqui et al. Analyzing complex networks through correlations in centrality measurements
Wang et al. Maximizing positive influence spread in online social networks via fluid dynamics
Perelman et al. An adaptive heuristic cross-entropy algorithm for optimal design of water distribution systems
CN104598605A (zh) 一种社交网络中的用户影响力评估方法
Gursoy et al. Influence maximization in social networks under deterministic linear threshold model
Song et al. Community detection using discrete bat algorithm
CN103116611A (zh) 社交网络意见领袖识别方法
CN103678671A (zh) 一种社交网络中的动态社区检测方法
CN105809554A (zh) 一种社交网络中用户参与热点话题的预测方法
Breskovic et al. Creating standardized products for electronic markets
Li et al. Social network user influence dynamics prediction
CN103179198A (zh) 基于多关系网络的话题影响力个体挖掘方法
Nguyen et al. Influence spread in large-scale social networks–a belief propagation approach
Li et al. Three-hop velocity attenuation propagation model for influence maximization in social networks
Liu et al. A stochastic actor-based modelling of the evolution of an intercity corporate network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170208

Termination date: 20191225

CF01 Termination of patent right due to non-payment of annual fee