摘要：影响力最大化问题是社交网络研究的一个重要方向,其涉及的影响力最大化算法被证明是一个NP-hard问题。文章提出基于K-shell与贪心算法的组合方案针对社交网络影响力最大化问题进行分析与研究。以K-shell算法从网络拓扑节点的度的相关性入手,对网络拓扑进行了粗粒度化的层次划分,并引入调节因子μ,通过提出K值小于调节因子μ的节点,得出剔除一定规模节点后的候选节点集合SC,并在候选节点集合使用贪心算法,通过蒙特卡洛模拟得出种子节点集合S及其影响范围情况。最终通过实验分析得出,在较大规模的网络数据集合中,文章提出的算法方案相对于贪心算法运行时间上大幅度提升了时间效率,并在影响力测算的准确度上趋近贪心算法所得到的结果。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社