社会网络演化中的影响力分析

【摘要】：社会网络分析是一种社会学研究方法,主要研究社会实体间的相互关系。社会网络中主要有两类研究热点:节点影响力分析和网络演化。影响力分析主要运用于市场营销,研究如何利用有限的资源选择影响力较大的个体,通过口碑效应和病毒式营销的方式使得影响力最大化。研究影响力最大化问题需要获取整个网络拓扑结构,而现实世界中网络是不断变化的,所以研究网络演化中的影响力问题是一个很有意义的课题。在本文中我们首先研究静态网络中影响力最大化问题,介绍了影响力最大化问题的相关理论知识,两种通用的传播模型:线性阈值模型和独立级联模型,并对现有的影响力最大化算法:贪心算法和MaxDegree算法进行了详细研究,总结了各自算法的不足,然后根据社区内节点连接紧密,社区间连接稀疏这一特点,提出基于社区扩散效率的算法来求解影响力最大化问题,实验表明基于社区的算法就扩散度和时间两个方面要优于其他两种算法。最后我们将静态网络扩展到动态网络中,首先我们改进了传播模型以适应网络演化,然后提出了网络中基于社区和个体的事件,通过分析这些事件,我们定义了两个度量社交指数和影响力指数,同时我们也介绍了一款网络演化的可视化图形:冲击流图,用于直观了解社区随时间的演化。实验中,我们发现扩散初始阶段,社交指数发掘的节点扩散效果要优于影响力指数发觉的节点,到了扩散瓶颈期,影响力指数比社交指数发掘的节点能更快的突破瓶颈从而更好的进行扩散。