1.基于地理区域的社交网络最大影响力节点选取方法,包括以下步骤:(1)构建社交网络图G(Nset,E),其中Nset表示社交网络中的节点的集合,节点v(x,y)有经纬度两个位置参数,E表示网络中节点边的集合;
(2)根据给定社交网络中节点的位置信息构建四叉树,并利用四叉树搜索给定区域中的节点集;其中最小边界矩阵为R=[(x,y),(xlim,ylim)],x和y分别是边界矩阵中心的经度和纬度,xlim和ylim分别是边界矩阵的长度和宽度的一半;
*
(3)初始化节点v∈Nset, IncInf(u)=0;其中S表示最终获取的最大影响力的节点集,IncInf(u)表示节点u的影响力, 表示空集;
(4)用独立级联传播模型ICM进行传播,传播过程节点尝试激活邻居节点时,无论是否激活,接下来的回合中都不会对相同节点再次激活,设定线性系数α(v,u);
(5)在单元格中采用最大影响树结构MIA计算每个节点的的影响力:在最大影响树结构MIA中,节点u只通过最大影响路径激活节点v,其中一条路径定义为:P=<u=w1,w2,w3,...,wm=v>;
其路径的传播概率定义为: w1,w2,…,wm分别为路径中的节点,m为路径的节点数,i=1,2,…,m;
(6)计算节点v在最大影响树结构MIA中的两个最大影响路径,也即输入最大影响树MIIA(v,θ)和输出最大影响树MIOA(v,θ),计算步骤如下:(a)在最小边界矩阵R中的节点,构造MIIA(v,θ),给出一组种子集S,其中θ是一个影响阈值的参数;任何节点u的激活概率在MIIA(v,θ)中定义为:其中ap(wi)是节点wi的激活概率, 表示节
点wi到节点u的传播概率;Nin是节点u在MIIA中邻居节点的集合;然后计算节点影响力:IncInf(u)+=α(v,u)·(1‑ap(u,S,MIIA(v,θ)));
(b)满足条件u=arg maxv∈V\S{IncInf(v)}节点构造MIOA(v,θ)并计算减去之前的增量影响:IncInf(w)‑=α(v,w)·(1‑ap(w,S,MIIA(v,θ)));
* *
(c)将满足上述条件的节点u放入节点集S ,对于满足条件v∈MIOA(u,θ)\S的节点集S增加新的增量影响:IncInf(w)+=α(v,w)·(1‑ap(w,S,MIIA(v,θ)));
(7)在一个单元格中进行节点影响力计算,直到影响力增量不再增加,结束遍历;根据排序迭代弹出最大堆中具有最大影响值的候选节点作为最大影响力种子节点,放入节点集*S;
(8)将四个单元格的最大影响力节点集进行整合,通过排序,将影响力最大的节点放入*max S,最终得到最小边界矩阵R中具有最大影响力的节点集合。