光熙论坛第750期:社会网络信息传播的影响力最大化研究

  题目:社会网络信息传播的影响力最大化研究

  主讲人:景东 计算机学院博士研究生

  时间:10月17日 上午8:30-9:30

  地点:学士楼426会议室

  研究方向:社会计算

  内容:

  社会网络是指社会个体按照某种社会关系互相连接形成的网络。随着Facebook、Twitter、微博、QQ、微信等网络服务的快速发展,社会网络已经成为网民发布、传播、分享信息的最主要的平台之一。根据“六度分离”理论,信息在社会网络上可以在几次转发内传遍整个网络。这种用户通过口碑式的传播影响好友的能力称之为社会影响力。社会影响力使得信息可以在网络上扩散,不同属性的用户具有不同程度的社会影响力,如何找出有影响力的用户传播商品、服务等信息,使得最大程度地影响网络中的用户,这类问题被概括为社会网络信息传播的影响力最大化。该问题在企业营销、谣言预防等领域有着重要的意义。

  Domingos和Richardson提出影响力最大化问题以来,Kempe等通过将信息传播建模为离散时间上的传播过程,在独立级联模型和线性阈值模型上,将该问题形式化为一个离散最优化的问题,证明了该问题是一个NP Hard问题,并提出了贪心算法求解该问题。该研究及其后续的研究主要存在的如下两个问题:信息传播模型过于抽象和求解算法的性能低下。本课题将从融合传播活动的重要因素改进信息传播模型的表达能力,基于改进的模型设计高效的算法求解影响力最大化问题,进而使得影响力最大化模型和方法能够更好地应用。

  主要研究内容包含三个方面:

  (1)时空考虑的动态影响力最大化研究。传统的独立级联模型假设用户之间的激活概率是不变的,然而实际信息传播中由于传播时延和节点间的属性动态变化,用户之间的激活概率是不断变化的,因此构建融合传播时延和空间距离传播模型并设计求解算法。

  (2)隐私保护考虑的影响力最大化。节点间的激活概率受隐私保护的影响,即使用户被某个信息所影响,由于传播该信息会暴露用户的隐私,用户可能会保持沉默而不转发传播。因此融合主题与用户隐私因素构建传播模型并设计求解算法。

  (3)邻居结构考虑的影响力最大化。传统的信息传播模型在信息传播过程中,没有考虑用户之间的关系结构,只考虑用户间的直接影响。三角形结构在社交网络中存在着重要的作用,因此融合邻居节点的三角形结构因素构建传播模型并设计求解算法。

点击微信扫一扫