扎赫拉·阿盖埃；穆罕默德·迈赫迪；哈米德·艾哈迈迪·贝尼；阿斯加拉利·布耶；阿夫萨内·法特米 社交网络中影响最大化问题的元启发式算法综述。 （英语） Zbl 1484.91334号 计算 103，第11期，2437-2477（2021）. 摘要：社交网络中用户的不同通信方式对彼此的影响起着关键作用。当他们能够通过不同的沟通实现目标时，效果非常重要。研究特定用户对其他用户的影响，已经建立在社交网络影响最大化问题的模型上。为了解决这个问题，人们提出了不同的算法，每一种算法都试图与其他算法相比，提高影响范围和运行时间。由于迄今为止对影响最大化问题的元神经算法缺乏综述，本文首先对该问题的现有算法进行了全面分类。然后根据近年来元神经算法的有效结果和显著进展，描述了这些算法的比较、优缺点。 MSC公司： 91天30分 社交网络；意见动态 90 C59 数学规划中的近似方法和启发式 关键词：社交网络；影响最大化问题；病毒式营销；影响扩散；启发式算法 软件：SIMPATH（简单路径）；CoFIM公司；CELF公司++ PDF格式BibTeX公司 XML格式引用 \textit{Z.Aghaee}等人，《计算》103，第11期，2437--2477（2021；Zbl 1484.91334） 全文： 内政部 参考文献： [1] Kempe D，Kleinberg J，Tardosé（2003）通过社交网络最大化影响力的传播。摘自：第九届ACM SIGKDD知识发现和数据挖掘国际会议论文集·Zbl 1337.91069号 [2] Aghaee，Z。；Kianian，S.，《影响最大化的有效影响扩散估计》，Soc Netw Ana Min，10，1，1-21（2020）·doi:10.1007/s13278-020-00694-z [3] Beni HA等人（2020）IMT：基于社交网络拓扑结构的top-k节点选择。2020年第六届网络研究国际会议（ICWR）。电气与电子工程师协会 [4] Aghaee Z等人（2020年）针对社交网络中的影响力最大化问题，提出了一种针对富豪俱乐部现象的启发式算法。2020年第六届网络研究国际会议（ICWR）。电气与电子工程师协会 [5] Domingos P，Richardson M（2001）挖掘客户的网络价值。附：第七届ACM SIGKDD知识发现和数据挖掘国际会议记录 [6] Li，W.，社交网络中影响最大化的三跳速度衰减传播模型，万维网，23，21261-1273（2020）·doi:10.1007/s11280-019-00750-5 [7] 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》，Futur Gener Comput Syst，89777-790（2018）·doi:10.1016/j.future.2018年7月15日 [8] Sanatkar，MR，《受病毒传播和媒体影响影响的网络极化信念动态》，Soc Netw Ana Min，10，1，1-21（2020）·doi:10.1007/s13278-020-0627-1 [9] Saxena，B。；Kumar，P.，《社交网络中基于节点活动和连通性的影响最大化模型》，Soc Netw Ana Min，9，1，40（2019）·doi:10.1007/s13278-019-0586-6 [10] Peng，S.，《社交网络中的影响分析：一项调查》，J Netw Comput Appl，106，17-32（2018）·doi:10.1016/j.jnca.2018.01.005 [11] Tang，J。；唐，X。；Yuan，J.，《社交网络影响力最大化的一种高效、有效的基于跳跃的方法》，Soc Netw Ana Min，8，1，10（2018）·doi:10.1007/s13278-018-0489-y [12] Chang，B.，《社交网络信息扩散分析及其应用研究》，《国际自动计算杂志》，第15、4、377-401页（2018年）·doi:10.1007/s11633-018-1124-0 [13] Banerjee S、Jenamani M、Pratihar DK（2018）《社交网络影响力最大化调查》，arXiv预印本arXiv:1808.05502 [14] Sun，J。；Tang，J.，《社会影响分析模型和算法调查》，《社会网络数据分析》，177-214（2011），施普林格出版社·doi:10.1007/978-1-4419-8462-37 [15] Li，M.，《在线社交网络信息传播调查：模型和方法》，《信息》，8，4，118（2017）·doi:10.3390/info8040118 [16] 裴，S。；Makse，HA，复杂网络中的传播动力学，J Stat Mech:Theory Exp，2013，12，P12002（2013）·Zbl 1459.91141号 ·doi:10.1088/1742-5468/2013/12/P12002 [17] Pastor-Satorras，R.，《复杂网络中的流行病过程》，《现代物理学评论》，第87、3、925页（2015年）·doi:10.1103/RevModPhys.87.925 [18] 北萨马迪。；Bouyer，A.，《基于边缘比和邻域多样性测度识别复杂网络中的影响传播者》，《计算》，101，8，1147-1175（2019）·Zbl 1461.91235号 ·doi:10.1007/s00607-018-0659-9 [19] Zafarani R等人（2014），社交媒体中的信息传播。社交媒体挖掘：简介。NP，剑桥大学 [20] Rui，X.，社交网络中影响最大化的反向节点排名方法，应用智能，49，7，2684-2698（2019）·doi:10.1007/s10489-018-01398-w [21] Singh，SS，IM-SSO：使用社交蜘蛛优化最大限度地提高社交网络的影响力，Concurr Comput Pract Exp，32，2，e5421（2020） [22] Shang，J.，CoFIM:基于社区的大规模网络影响力最大化框架，基于知识的系统，117，88-100（2017）·doi:10.1016/j.knosys.2016.09.029 [23] Leskovec J等人（2007），网络中的成本效益疫情检测。在：第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集 [24] Chen W，Wang Y，Yang S（2009）社会网络中的有效影响最大化。附：第15届ACM SIGKDD知识发现和数据挖掘国际会议论文集 [25] Goyal A，Lu W，Lakshmanan LV（2011）Celf++优化贪婪算法以实现社交网络中的影响力最大化。收录：第20届国际会议论文集 [26] Cheng S等人（2013）《统计学：解决影响最大化中的可伸缩性-准确性困境》。附：第22届ACM信息和知识管理国际会议记录 [27] 海达里，M。；阿萨德普尔，M。；Faili，H.，SMG：社交网络中影响最大化的快速可扩展贪婪算法，Phys A，420，124-133（2015）·doi:10.1016/j.physa.2014.10.088 [28] Zhang，J-X，识别复杂网络中一组有影响力的传播者，科学代表，627823（2016）·doi:10.1038/srep27823 [29] Berahmand，K。；布耶，A。；Samadi，N.，《检测社交网络传播者的一种新的局部多维排名方法》，《计算》，101，11，1711-1733（2019）·Zbl 1461.91218号 ·doi:10.1007/s00607-018-0684-8 [30] Liu，D.，复杂网络中挖掘top-k节点的快速高效算法，科学代表，743330（2017）·doi:10.1038/srep43330 [31] Luo，Z-L，《社交网络中影响最大化的基于页面等级的启发式算法》，数据工程和互联网技术的最新进展，485-490（2012），斯普林格出版社·doi:10.1007/978-3-642-28798-565 [32] 阿哈杰姆，S。；Badir，H.，使用HybridRank算法识别复杂网络中有影响力的传播者，Sci Rep，8，1，1-10（2018）·doi:10.1038/s41598-018-30310-2 [33] 邱L等人（2019）LGIM：一种基于局部影响的全局选择算法，用于社交网络中的影响最大化。IEEE接入 [34] 唐毅，肖晓霞，石毅（2014）影响最大化：近最优时间复杂度满足实际效率。附：2014年ACM SIGMOD数据管理国际会议记录 [35] 唐毅，石毅，肖X（2015）近线性时间内的影响最大化：鞅方法。附：2015年ACM SIGMOD数据管理国际会议记录 [36] Aghaee，Z。；Kianian，S.，基于减少社交网络搜索空间的影响最大化算法，SN Appl Sci，2，12，1-14（2020）·doi:10.1007/s42452-020-03812-w [37] Wang Y等人（2010）基于社区的贪婪算法，用于挖掘移动社交网络中的top-k影响力节点。附：第16届ACM SIGKDD知识发现和数据挖掘国际会议论文集 [38] Zhao，Y。；李，S。；Jin，F.，基于标签传播的社区结构社交网络中影响节点的识别，神经计算，210，34-44（2016）·doi:10.1016/j.neucom.2015.11.125 [39] 邱，L.，PHG：基于社区结构的影响最大化三阶段算法，IEEE Access，762511-62522（2019）·doi:10.1109/ACCESS.2019.2912628 [40] Singh，SS，C2IM:社交网络中基于社区的上下文软件影响最大化，Phys A，514796-818（2019）·Zbl 07562416号 ·doi:10.1016/j.physa.2018.9.142 [41] 布耶，A。；Ahmadi，H.，基于级联模型的社交网络影响最大化问题的新贪婪方法，J Inf Commun Technol，10，37，85-100（2018） [42] 班纳吉，S。；Jenamani，M。；Pratihar，DK，ComBIM：基于社区的预算影响最大化问题解决方案，专家系统应用，125，1-13（2019）·doi:10.1016/j.eswa.2019.01.070 [43] Beni HA，Bouyer A（2020）TI‑SC：基于社交网络中社区检测和评分标准的顶级影响力节点选择 [44] Kimura M，Saito K（2006），社交网络中信息传播的可追踪模型。参加：关于数据挖掘和知识发现原则的欧洲会议。柏林施普林格 [45] Chen W，Yuan Y，Zhang L（2010）线性阈值模型下社交网络的可扩展影响最大化。2010年IEEE数据挖掘国际会议。电气与电子工程师协会 [46] Chen W，Wang C，Wang Y（2010）大型社交网络中流行病毒营销的可扩展影响最大化。In:第16届ACM SIGKDD知识发现和数据挖掘国际会议论文集 [47] Goyal A，Lu W，Lakshmanan LV（2011）Simpath:线性阈值模型下影响最大化的有效算法。2011年IEEE第11届数据挖掘国际会议。电气与电子工程师协会 [48] 王，C。；Chen，W。；Wang，Y.，大型社交网络中独立级联模型的可缩放影响最大化，Data Min Knowl Disc，25，3，545-576（2012）·Zbl 1260.91219号 ·doi:10.1007/s10618-012-0262-1 [49] Kim J，Kim S-K，Yu H（2013）大规模社交网络影响力最大化的可扩展和并行处理？2013年IEEE第29届数据工程国际会议（ICDE）。电气与电子工程师协会 [50] Jiang Q等人（2011），社会网络中基于模拟退火的影响最大化。参加：第二十五届AAAI人工智能会议 [51] Tsai C-W，Yang Y-C，Chiang M-C（2015）社交网络中影响最大化的遗传新贪婪算法。2015年IEEE系统、人和控制论国际会议。电气与电子工程师协会 [52] Gong，M.，基于离散粒子群优化的社交网络影响最大化，Inf Sci，367，600-614（2016）·doi:10.1016/j.ins.2016.07.012 [53] 崔，L.，DDSE：一种基于递减搜索策略的新型进化算法，用于社交网络中影响最大化，J Netw Compute Appl，103，119-130（2018）·doi:10.1016/j.jnca.2017.12.003 [54] Tang，J.，通过离散蝙蝠算法的集体智能最大限度地扩大影响力，基于知识的系统，16088-103（2018）·doi:10.1016/j.knosys.2018.06.013 [55] Tang，J.，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，Phys A，513477-496（2019）·doi:10.1016/j.physa.2018.09.040 [56] Tang，J.，一种基于网络社区结构的影响最大化的自适应离散粒子群优化，Int J Modern Phys C（IJMPC），30，6，1-21（2019） [57] 马，L。；Liu，Y.，使用离散综合学习人工蜂群优化器最大化社交网络中的三跳影响传播，应用软计算，83，105606（2019）·doi:10.1016/j.asoc.2019.105606 [58] 扎雷，A。；Sheikhahmadi，A。；Jalili，M.，使用灰狼优化算法识别社交网络中的有影响力用户，专家系统应用，142112971（2020）·doi:10.1016/j.eswa.2019.112971 [59] Tang，J.，一种识别社交网络中影响最大化的影响节点的离散混合蛙跳算法，基于知识的系统，187104833（2020）·doi:10.1016/j.knosys.2019.07.004 [60] Krömer P，NowakováJ（2017）影响最大化问题的引导遗传算法。参加：国际计算与组合学会议。柏林施普林格·Zbl 1434.91053号 [61] Weskia M，Michalski R（2016）社会影响过程中种子选择的进化算法。2016年IEEE/ACM社交网络分析和挖掘进展国际会议（ASONAM）。电气与电子工程师协会 [62] da Silva AR等人（2018）基于线性阈值模型的遗传算法在网络中的影响最大化。参加：计算科学及其应用国际会议。柏林施普林格 [63] Bucur D，Iacca G（2016）用遗传算法实现社交网络的影响力最大化。在：欧洲进化计算应用会议。柏林施普林格 [64] 布耶，A。；Roghani，H.，LSMD：从社交网络中的低级节点开始的快速而稳健的本地社区检测，Futur Gener Compute Syst，113，41-57（2020）·doi:10.1016/j.未来.2020.07.011 [65] 南卡罗来纳州塔赫里。；Bouyer，A.，《使用亲和力传播和自适应相似矩阵在社交网络中进行社区检测》，大数据，8，3，189-202（2020）·doi:10.1089/big.2019.0143 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。