×
塔伦·K·比斯瓦斯。;阿拔西，阿里雷扎;Chakrabortty，Ripon K。

一种用于社交网络中影响力最大化的MCDM集成自适应模拟退火方法。 （英文） 兹比尔1489.91200

信息科学。 556, 27-48 (2021).
摘要：影响最大化（IM）问题旨在确定网络中影响传播最大的一小部分节点。虽然这是一个NP-hard问题，但社交网络规模的不断增加导致计算复杂度大大提高，因此，激发了众多研究人员探索更好的方法。本文提出了一种基于多准则决策（MCDM）的元神经方法来解决社交网络中的IM问题。在初始阶段，采用MCDM方法通过消除影响较小的节点来选择候选节点，从而降低了计算成本。然后，为了找到最优解，提出了一种改进的模拟退火算法（SA），该算法具有增强的搜索策略。通过在八个不同大小和类型的真实社交网络上解决IM问题，并将结果与六个基准算法进行比较，验证了该方法的性能。实验结果表明，与其他算法相比，该算法在求解质量和计算运行时间之间具有更好的折衷。

引用于6文件

MSC公司：

91天30分 社交网络；意见动态
91B06型 决策理论

关键词：

影响力最大化;简单加性加权;自适应模拟退火;社交网络;MCDM方法

软件：

蒂芬;SIMPATH（简单路径）;CELF公司++
PDF格式BibTeX公司 XML格式引用
\textit{T.K.Biswas}等人，《信息科学》。556，27-48（2021；Zbl 1489.91200）
全文： 内政部

参考文献：

[1] 北苏米思。；阿纳帕，B。；Bhattacharya，S.，《大型社交网络中的影响力最大化：启发式、模型和参数》，《未来生成计算》。系统。，89, 777-790 (2018)
[2] 张，Z.-K。；刘，C。；詹，X.-X。；卢，X。；张春霞。；Zhang，Y.C.，信息扩散动力学及其在复杂网络中的应用，Phys。代表，651，1-34（2016）
[3] F.D.马利亚罗斯。；罗西，M.-E.G。；Vazirgiannis，M.，《在复杂网络中定位有影响力的节点》，科学代表，619307（2016）
[4] 李毅。；范，J。；Wang，Y。；Tan，K.-L.，《社会图的影响最大化：调查》，IEEE Trans。知识。数据工程，30，1852-1872（2018）
[5] Doyle，S.，《社交网络在营销中的作用》，J.数据库市场。客户战略管理。，15, 60-64 (2007)
[6] 他，Q。；王，X。；雷，Z。；黄，M。；蔡，Y。；Ma，L.，Tifim：社交网络影响力最大化的两阶段迭代框架，Appl。数学。计算。，354, 338-352 (2019) ·Zbl 1429.91262号
[7] Guille，A。；Hacid，H。；法夫尔，C。；Zighed，D.A.，《在线社交网络中的信息传播：一项调查》，ACM Sigmod。记录，42，17-28（2013）
[8] 辛格，S.S。；库马尔，A。；辛格，K。；Biswas，B.，Lapso-im：基于学习的社交网络影响最大化方法，应用。软计算。，82 (2019), 105554
[9] 龚，M。；宋，C。；Duan，C。；马，L。；Shen，B.，社交网络中影响最大化的一种有效模因算法，IEEE Comput。智力。Mag.，11，22-33（2016）
[10] Kempe，D。；Kleinberg，J。；爱沙尼亚塔尔多斯。，通过社交网络最大化传播影响力，年（第九届ACM SIGKDD知识发现和数据挖掘国际会议论文集（2003），ACM），137-146
[11] Tang，J。；张，R。；王，P。；赵，Z。；范，L。；Liu，X.，一种离散的混合蛙跳算法，用于识别社交网络中影响最大化的影响节点，Knowl-基于系统。，187 (2020), 104833
[12] Leskovec，J。；Adamic，洛杉矶。；胡伯曼，B.A.，《病毒营销的动力学》，ACM Trans。Web，1，5（2007）
[13] 戈亚尔，A。；卢·W。；Lakshmanan，L.V.，Celf++：优化贪婪算法以实现社交网络中的影响力最大化
[14] Arora，A。；加尔霍特拉，S。；Ranu，S.，《揭穿影响最大化的神话：一项深入的基准研究》，载《2017年ACM国际数据管理会议记录（2017）》，ACM，651-666
[15] Cheng，S。；沈，H。；黄，J。；张，G。；Cheng，X.，Staticgreedy:解决影响最大化中的可伸缩性-准确性困境，in，（第22届ACM信息与知识管理国际会议论文集（2013），ACM），509-518
[16] Tang，Y。；Shi，Y。；Xiao，X.，《近线性时间的影响最大化：鞅方法》，（2015年ACM SIGMOD国际数据管理会议论文集（2015），ACM），1539-1554
[17] A.Goyal，W.Lu，L.V.Lakshmanan，Simpath:线性阈值模型下影响最大化的有效算法，收录于：2011年IEEE第11届国际数据挖掘会议，IEEE，2011年，第211-220页。
[18] K.Jung，W.Heo，W.Chen，Irie:《社交网络中的可扩展和稳健影响最大化》，收录于：2012年IEEE第12届数据挖掘国际会议，IEEE，2012年，第918-923页。
[19] Q.Jiang，G.Song，C.Gao，Y.Wang，W.Si，K.Xie，基于模拟退火的社交网络影响力最大化，载于：第二十五届AAAI人工智能大会，2011年。
[20] 龚，M。；严，J。；沈，B。；马，L。；蔡琦，基于离散粒子群优化的社交网络影响最大化，信息科学。，367, 600-614 (2016)
[21] 苏曼，B。；Kumar，P.，《模拟退火作为单目标和多目标优化工具的综述》，J.Oper。Res.Soc.，57，1143-1160（2006）·Zbl 1121.90065号
[22] Bennis，F。；Bhattacharjya，R.K.，《元启发式优化的自然启发方法：科学与工程中的算法和应用》，第16卷（2020年），施普林格出版社·Zbl 1432.90007
[23] 崔，L。；胡，H。；于斯。；严奇。；Z.Ming。；温，Z。；Lu，N.，Ddse:一种新的基于度递减搜索策略的进化算法，用于社交网络中的影响力最大化，J.Network Comput。申请。，103, 119-130 (2018)
[24] 辛格，S.S。；辛格，K。；库马尔，A。；Biswas，B.，Aco-im：使用蚁群优化在社交网络中最大化影响，Soft。计算。，1-23 (2019)
[25] 梅斯加里，I。；科尔马尼，M.A.M.A。；Hanneman，R。；Aliahmadi，A.，使用多标准决策工具识别社交网络中的关键节点，（网络数学技术（2015），Springer），137-150·Zbl 1335.91056号
[26] 扎雷，A。；Sheikhhmadi，A。；Khamforoosh，K.，《基于topsis的社交网络影响最大化》，专家系统。申请。，108, 96-107 (2018)
[27] Muchnik，L。；裴，S。；帕拉，L.C。；Reis，S.博士。；安德拉德，J.S。；哈夫林，S。；Makse，H.A.，《社会网络中人类活动异质性幂律度分布的起源》，科学代表，3，1-8（2013）
[28] 耿，X。；陈，Z。；杨伟（Yang，W.）。；石，D。；赵凯，基于贪婪搜索的自适应模拟退火算法求解旅行商问题，应用。软计算。，11, 3680-3689 (2011)
[29] Wu，G。；Wang，H。；佩德里茨，W。；李，H。；Wang，L.，采用新型自适应模拟退火算法和动态任务聚类策略的卫星观测调度，计算。工业工程，113，576-588（2017）
[30] Tang，Y。；Xiao，X。；Shi，Y.，《影响最大化：近最优时间复杂性满足实际效率》，in，（2014 ACM SIGMOD国际数据管理会议论文集（2014），ACM），75-86
[31] H.T.Nguyen、M.T.Thai、T.N.Dinh，《停止与凝视：十亿规模网络中病毒营销的最佳采样算法》，载于《2016年国际数据管理会议论文集》，2016年，第695-710页。
[32] Chen，W。；Wang，Y。；Yang，S.，《社交网络中的有效影响最大化》（第15届ACM SIGKDD国际知识发现和数据挖掘会议论文集（2009）），199-208
[33] 加尔霍特拉，S。；Arora，A。；Roy，S.，《整体影响力最大化：将可扩展性和效率与意见感知模型相结合》，（《2016年国际数据管理会议论文集》（2016）），743-758
[34] 李，D。；王，C。；张，S。；周，G。；朱，D。；Wu，C.，基于模拟退火的签名社交网络中的积极影响最大化，神经计算，260，69-78（2017）
[35] 张，K。；杜，H。；Feldman，M.W.，《在社交网络中最大化影响力：使用遗传算法改进结果》，Physica a，478，20-30（2017）·Zbl 1400.90294号
[36] Tang，J。；张，R。；姚，Y。；杨，F。；赵，Z。；胡，R。；Yuan，Y.，基于增强离散粒子群优化的影响最大化top-k影响节点识别，Physica A，513477-496（2019）
[37] 扎雷，A。；Sheikhhmadi，A。；Jalili，M.，使用灰狼优化算法识别社交网络中有影响力的用户，专家系统。申请。，142 (2020), 112971
[38] 李，X。；Cheng，X。；苏，S。；Sun，C.，基于社区的种子选择算法，用于位置感知影响最大化，神经计算，2751601-1613（2018）
[39] 贾拉耶，M。；阿兹海安，M。；Kermani，M.A.M.A.，基于社区检测和多属性决策的影响最大化混合算法，计算。工业工程，120，234-250（2018）
[40] Ko，Y.-Y。；Cho，K.-J。；Kim，S.-W.，《社交网络中高效和有效影响最大化：混合方法》，《信息科学》。，465, 144-161 (2018) ·Zbl 1441.91060号
[41] Freeman，L.C.，《社交网络中的中心性概念澄清》，社会网络出版社。，1, 215-239 (1978)
[42] 阿巴斯。；侯赛因，L。；Leydesdorff，L.，Betweenness centrality as a driver of preference attachment in evolution of research collaboration networks，J.Inf.，第6期，第403-412页（2012年）
[43] 王，P。；朱，Z。；Wang，Y.，一种基于实验设计的结合saw、topsis和gra方法的新型混合mcdm模型，Inf.Sci。，345, 27-45 (2016)
[44] D.Stanujkić，B.Dordević，M.Dordević，《一些主要的mcdm方法的比较分析：塞尔维亚银行排名案例》，塞尔维亚J.Manage。8 (2013) 213-241.
[45] 北阿齐兹。；Zolfaghari，S.，《模拟退火的自适应温度控制：比较研究》，计算。操作。研究，312439-2451（2004）·Zbl 1067.90039号
[46] R.A.Rossi，N.K.Ahmed，《具有交互式图形分析和可视化的网络数据存储库》，载于：AAAI，2015年。网址：/http://networkrepository.com。
[47] 布林，S。；佩奇，L.，重印：大型超文本网络搜索引擎的剖析，计算。净值。，56, 3825-3833 (2012)
[48] 斯蒂芬，A.T。；Toubia，O.，《解释社交商务网络中的幂律度分布》，Soc.Netw。，31, 262-270 (2009)
[49] Friedman，M.，《使用秩来避免方差分析中隐含的正态假设》，《美国统计协会期刊》，32，675-701（1937）
[50] Gehan，E.A.，用于比较任意单细胞样本的广义wilcoxon检验，Biometrika，52，203-224（1965）·Zbl 0133.41901号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。