資源描述：
《社交網(wǎng)絡(luò)中基于交互行為的影響最大化研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)ＴＰ３０１密級(jí)公開ＵＤＣ編號(hào)《方乂掌碩女研究ｉ《化俗乂題目社交網(wǎng)絡(luò)中基于交互巧為的巧響宏大化研究學(xué)院（所、中也）信息送協(xié)專業(yè)名稱計(jì)篇機(jī)軟件與理論研巧生姓名張帥學(xué)號(hào)１２０１１００１０４４導(dǎo)師巧名孔兵職疏副教授二零一六年五月，論文獨(dú)創(chuàng)性聲明及使用授權(quán)本論文是作者在導(dǎo)師指導(dǎo)下取得的研宛成果。除了文中恃別加Ｗ標(biāo)掛和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，不存在劉竊或抄襲行為。與作者一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表示了
2、謝意。（現(xiàn)就論文的使用對(duì)云南大學(xué)授權(quán)如下：學(xué)校有權(quán)保留本論文含電子版），也可采用影印、縮印或其他復(fù)制手段保存論文學(xué)校有權(quán)公布論文的全部或部分內(nèi)容，；可Ｗ將論文用于查閱或借閱服務(wù)；學(xué)校有權(quán)向有關(guān)機(jī)構(gòu)送交學(xué)位論文用于學(xué)術(shù)規(guī)范審查、社會(huì)監(jiān)督或評(píng)獎(jiǎng)；學(xué)校有權(quán)將學(xué)位論文的全部或部分內(nèi)容錄入有關(guān)數(shù)據(jù)庫用于檢索服務(wù)。（內(nèi)部或保密的論文在解密后應(yīng)遵循此規(guī)定）Ｗ７：：石日：研究生簽名衣導(dǎo)師簽名期＾摘要近幾年來，隨著各種社交網(wǎng)絡(luò)的迅猛發(fā)展，人與人么間的主要交流方式逐漸從線，這樣下變?yōu)榫€上，就產(chǎn)生了在社交網(wǎng)絡(luò)中如何查找最有影響力的ｋ個(gè)用戶的
3、問題，也就是社交網(wǎng)絡(luò)中影響最大化問題。影響最大化問題就是挖掘社交網(wǎng)絡(luò)中最有影響力ｏ＊ｋ個(gè)節(jié)點(diǎn)集。的Ｔｐ之前的影響最大化問題研究中，大多只是根據(jù)網(wǎng)絡(luò)的巧撲結(jié)構(gòu)來—一查找最有影響力的用戶，而忽略了反映用戶之間親密程度的個(gè)很重要的因素交互行為，從而使挖掘出的最有影響力的用戶往往與實(shí)際情況有較大偏差。基于此種考慮一，本文提出了基于交互行為的影響最大化問題，建立了個(gè)基于用戶交互行為的影響傳播模型ｍＢＪＣ模型。在ＵＩＢＪＣ模型中，為了對(duì)交互行為的大小進(jìn)行定量化表示，本文提出了交互度的概念，給出了基于用戶交互行為的影響力計(jì)算方法一，并進(jìn)行了歸化處理，
4、將之作為用戶之間的激活概率。這樣，本文就根據(jù)ＵＩＢＪＣ模型，提出了ＧＡＵ舊算法。ＧＡＵＩＢ算法是在貪也算法的基礎(chǔ)上改進(jìn)的，它將用戶之間的交互行為運(yùn)用到用戶之間能否激活成功的概率中，這樣就能夠更加準(zhǔn)確地衡量用戶之間的影響為大小。在ＧＡＵ舊算法中，因?yàn)槠渚哂凶幽Ｐ?，所該算法可達(dá)到６３％的準(zhǔn)確性。為了提高該算法的計(jì)算效率，之后本文又對(duì)其進(jìn)行了優(yōu)化，使用ＣＥＬＦ算法減少了計(jì)算量，使其效率有了很大提升。最后，本文通過從騰訊微博中得到的相關(guān)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證，證明ＧＡＵ曲算法可Ｗ得到基于用戶交互行為的影響最大化用戶集合Ｓ。關(guān)鍵詞：社交網(wǎng)絡(luò)；影響最大
5、化；交互行為１云南大學(xué)碩古學(xué)位論文ＡｂｓｔｒａｃｔＩｎｒｅｃｅｎｔｅａｒｓｗｉｔｈ化ｅｄｅｖｅｌｏｅｎｔｏｆｓｏｃｉａｌｎｅｔｗｏｒｋｓ化ｅｍａｉｎａｒｙ，ｏａｃｈ化，ｐｍｐｐｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｕａｌｌｃｈａｎｅｄｆｒｏｍｃｌａｓｓｉｃａｌｗａｓｓｕｃｈａｓｆａｃｅｔｏｆａｃｅｒｅｖｉｅｗａｎｄｇｙｇｙｌｅｔｅｒａｎｄｓｏｏｎｔｏｉｎｔｅｒｎｅｔｗｈｉｃｈｍａｋｅｓｉｔｖｅｒｉｍｏｒｔａｎｔ化ｆｉｎｄｔｈｅｍｏ巧ｉｎｆｌｕｅｎｔｉａｌＫ，，ｙｐｕｓｅｒ
6、ｓｉｎｓｏｃｉａｌｎｅｔｗｏｒｋｓａｌｓｏｋｎｏｗｎａｓｓｏｃｉａｌ打ｅｔｗｏｒｋｓｉｎｆｌｕｅｎｃｅｍａｘｉｍｉｚａｔｉｏｎｒｏｂｌｅｍ．，ｐｎｆｌｕｅｎｃｅ－Ｉｍａｘｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｉｎｔｅｎｄｓｔｏｍｉｎｉｎｇ化ｅｍｏｓｔｉｎｆｌｕｅ打ｒｉａｌｃｏｌｌｅｃｔｉｏ打ｏｆＴｏｐｋｎｏｄｅｓｉｎｓｏｃｉａｌｎｅｔｗｏｒｋｓ．Ｉｎｐｒｅｖｉｏｕｓｓｔｕｄｙｏｆｔｈｉｓｐｒｏｂｌｅｍ，ｐｅｏｐｌｅｍｏｓｔｌｙｆｉｎｄｔｈｅｍｏｓｔｉ打ｆｌｕｅｎｔｉａｌｕｓｅｒｓｊｕｓｔ
7、ａｃｃｏｒｄｉ打ｇｔｏ出ｅｔｏｐｏｌｏｇｙｏｆ化ｅｎｅｔｗｏｒｋｔｏ，ｂｕｔｉｇｎｏｒｅ化ｅｆｒｅｑｕｅｎｃｙｏｆｉｎｔｅｒａｃｔｉｏｎｗｈｉｃｈｉｓ泣ｖｅｒｙｉｍｏｒｔａｎｔｆａｃｔｏｒｔｏ巧ｆｌｅｅｔｔｈｅｄｅｒｅｅｏｆｃｌｏｓｅｎｅ巧ｂｅｔｗｅｅ打ｔｈｅｐｇｕｓｅｒｓ．Ｓｏｔｈａｔｔｉｌｅｅｘｃａｖａｔｉｏ打ｏｆｕｓｅｒｓａｌｗａｙｓｈａｖｅｌａｒｇｅｒｄｅｖｉａｔｉｏｎｗｉｔｈａｃｔｕａｌｓｉｔｕａｔｉｏｎ．Ｆｏｒｔｈｗｅ－－ｉｓｃｏｎｓｉｄｅｒ
