摘要：【目的】针对影响力最大化问题中贪心算法时间效率低的局限,提出基于重叠社区的影响力最大化算法。【方法】基于重叠社区,综合传播度最大的节点和重叠节点选出候选种子集,并采用CELF算法确定最优种子集,从而提高影响范围。【结果】实验数据表明,在亚马逊数据集上IM-BOC算法运行时间最大幅度能够提高约89%。【局限】仅凭社区节点的数量分配候选种子节点的数量,可能存在一定误差。【结论】基于重叠社区的IM-BOC算法在保证影响范围的前提下,适用于大型社交网络。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社