摘要
R.Albert、H.Jeong和A.Barabasi。 1999年,《万维网的直径》。 《自然》401,130--131。 谷歌学者 交叉引用 A.Barabasi和R.Albert。 1999年,随机网络中出现了缩放现象。 科学286509-512。 谷歌学者 交叉引用 D.Bortner和J.Han。 2010.使用结构关联遍历顺序的网络渐进聚类。 第26届IEEE国际数据工程会议(ICDE'10)论文集。 653--656. 谷歌学者 Y.Chen、S.Chang、C.Chou、W.Peng和S.Lee。 2012.探索社区结构,以在社交网络中实现影响力最大化。 第六届SNA-KDD社交网络挖掘与分析研讨会会议记录(SNA-KDD'12)。 1--6. 谷歌学者 W.Chen、Y.Wang和S.Yang。 2009年。社交网络中的有效影响力最大化。 第15届ACM SIGKDD知识发现和数据挖掘国际会议(KDD’09)论文集。 199--208. 谷歌学者 数字图书馆 L.Danon、J.Duch、A.Diaz-Guilera和A.Arenas。 2005年,比较社区结构识别。 《统计力学杂志》。 理论实验2005,9。 谷歌学者 交叉引用 P.多明戈斯。 2005.挖掘社交网络进行病毒式营销。 IEEE智能。 系统。 20, 1, 80--93. 谷歌学者 数字图书馆 P.Domingos和M.Richardson。 2001.挖掘客户的网络价值。 在第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集(KDD'01)。 57--66. 谷歌学者 数字图书馆 P.Domingos和M.Richardson。 2002.挖掘知识共享网站进行病毒营销。 第八届ACM SIGKDD知识发现和数据挖掘国际会议(KDD’02)论文集。 61-70。 谷歌学者 数字图书馆 M.Ester、H.Kriegel、J.Sander和X.Xu。 1996年。一种基于密度的算法,用于在带有噪声的大型空间数据库中发现簇。 第二届知识发现和数据挖掘国际会议论文集(KDD’96)。 226--231. 谷歌学者 P.Estevez、P.Vera和K.Saito。 2007年,《选择社交网络中最具影响力的节点》,载于《国际神经网络联合会议论文集》(IJCNN'07)。 2397--2402. 谷歌学者 Z.Feng、X.Xu、N.Yuruk和T.Schweiger。 2007.一种新的基于相似性的模块化图形划分函数。 《第九届数据仓库与知识发现国际会议论文集》(DaWaK’07)。 385--396. 谷歌学者 数字图书馆 L.Freeman。 1977年,基于中间性的一组中心性度量。 社会计量学40,1,35-41。 谷歌学者 交叉引用 M.Girvan和M.Newman。 2002.社会和生物网络中的社区结构。 程序。 美国国家科学院。 科学。 99, 12, 7821--7826. 谷歌学者 交叉引用 J.Goldenberg、B.Libai和E.Muller。 2001.谈论网络:一个复杂的系统着眼于口碑传播的潜在过程。 市场。 莱特。 12, 3, 211--223. 谷歌学者 交叉引用 M.Gomez-Rodrigues、D.Balduzzi和B.Scholkopf。 2011.揭示扩散网络的时间动态。 第28届国际机器学习会议(ICML'11)会议记录。 561--568. 谷歌学者 M.Gomez-Rodriguez、J.Leskovec和A.Krause。 2010年,推断扩散和影响网络。 第16届ACM SIGKDD数据挖掘知识发现国际会议论文集(KDD’10)。 1019--1028. 谷歌学者 数字图书馆 J.Huang、H.Sun、J.Han、H.Deng、Y.Sun和Y.Liu。 2010年,SHRINK:一种用于检测网络中分层社区的结构聚类算法。 在第19届ACM信息和知识管理会议(CIKM’10)的会议记录中。 第219页至第228页。 谷歌学者 数字图书馆 G.Karypis和V.Kumar。 不规则图的并行多级k路划分方案。 《ACM/IEEE超级计算会议论文集》(SC'96)。 1--21. 谷歌学者 数字图书馆 D.Kempe、J.Kleinberg和E.Tardos。 2003年,《通过社交网络最大限度地扩大影响力》,载于第九届ACM SIGKDD国际知识发现和数据挖掘会议(KDD'03)。 137--146. 谷歌学者 数字图书馆 A.Lancichinetti、S.Fortnato和J.Keryesz。 2009年,《探测复杂网络中重叠和分层的社区结构》,《新物理学杂志》11,3。 谷歌学者 交叉引用 A.Lanchichinetti、S.Fortnato和F.Radichi。 2008.用于测试社区检测算法的基准图。 物理。 修订版E 78,4。 谷歌学者 H.Ma、H.Yang、M.Lyu和I.King。 2008年。利用热扩散过程挖掘社交网络,用于营销候选人的选择。 在第17届ACM信息和知识管理会议(CIKM'08)的会议记录中。 233--242. 谷歌学者 数字图书馆 S.Myers和J.Leskovec。 2010年,关于潜在社交网络推理的凸性。 第24届神经信息处理系统年会(NIPS'10)会议记录。 1741--1749. 谷歌学者 A.Ng、M.Jordan和Y.Weiss。 2001.关于谱聚类:分析和算法。 《神经信息处理系统:天然和合成会议论文集》(NIPS'01)。 849--856. 谷歌学者 M.纽曼。 2004.检测网络中社区结构的快速算法。 物理。 修订版E 69,6。 谷歌学者 M.纽曼。 2006.网络中的模块化和社区结构。 程序。 美国国家科学院。 科学。 美国103、23、8577--8582。 谷歌学者 交叉引用 G.Palla、I.Derenyi、I.Farkas和T.Vicsek。 2005.揭示自然界和社会中复杂网络的重叠社区结构。 自然435。 814--818. 谷歌学者 E.罗杰斯,2003年。 创新的扩散。 第5版,自由出版社,纽约州纽约市。 谷歌学者 J.Ruan和W.Zhang。 2007.一种用于网络社区发现的高效频谱算法及其在生物和社会网络中的应用。 第七届IEEE数据挖掘国际会议(ICDM’07)论文集。 643年至648年。 谷歌学者 数字图书馆 K.Saito、M.Kimura、K.Ohara和H.Motoda。 2011.高效发现社交网络中SIS模型的影响节点。 知识。 通知。 系统。 30, 3, 613--635. 谷歌学者 数字图书馆 T.瓦伦特。 1995年,创新扩散的网络模型。 汉普顿出版社。 谷歌学者 L.Wan、J.Liao和X.Zhu。 2008年,发现评估社交网络中的社区结构。 《第四届高级数据挖掘与应用国际会议论文集》(ADMA’08)。 620--627. 谷歌学者 数字图书馆 Y.Wang和X.Feng。 2009年。社交网络中影响最大化的基于潜力的节点选择策略。第五届高级数据挖掘与应用国际会议论文集(ADMA’09)。 350--361. 谷歌学者 数字图书馆 S.Wasserman和K.Faust。 社会网络分析:方法和应用。 剑桥大学出版社。 谷歌学者 S.怀特和P.史密斯。 2005年,用谱聚类方法在图中发现社区。 在第五届SIAM国际数据挖掘会议(SDM'05)的会议记录中。 274--286. 谷歌学者 X.Xu、N.Yuruk、Z.Feng和T.Schweiger。 2007年。SCAN:一种网络结构聚类算法。 第13届ACM SIGKDD知识发现和数据挖掘国际会议(KDD’07)论文集。 824--833. 谷歌学者 数字图书馆 H.杨。 2000.社交网络中创新的传播。 经济学工作论文437,约翰霍普金斯大学。 谷歌学者 W.Zachary。 1997.小群体冲突和分裂的信息流模型。 J.人类学。 第33、452--473号决议。 谷歌学者 交叉引用
索引术语
CIM:社交网络中基于社区的影响力最大化
建议
CFIN:一种基于社区的算法,用于在复杂社交网络中查找有影响力的节点 摘要 影响最大化(IM)问题是一个基本的算法问题,是选择一组 k个 来自社交网络的用户(称为种子集),以最大化预期受影响用户数量(也称为影响传播)。。。