摘要：社交网络影响最大化问题是指如何寻找网络中有限的初始节点，使得影响的传播范围最广。一些贪心算法可以得到较好的影响范围，但是因时间复杂度太高而不适用于大型社交网络。基于度中心性的启发式算法简单但准确度不高；基于介数中心性、接近中心性等全局指标的启发式算法可以较好地识别影响力最大的节点，但计算复杂度也过高。考虑网络节点深层次结构对影响扩散的作用并权衡计算复杂度与准确度，定义了3-layer局部中心度，以计算节点的潜在影响力值。基于线性阈值模型，启发选择一部分种子节点：每一次都选取潜在影响力最大的节点作为种子节点进行激活；运用贪心算法选取剩下的一部分种子节点：每一次都选取具有最大影响增量的节点作为种子节点进行激活。实验表明，该混合算法具有很好的激活范围以及非常低的时间复杂度。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社