渗流模型在影响力最大化算法中的应用

"基于渗流模型的影响力最大化算法" 这篇研究论文探讨了如何利用渗流模型优化社交网络中的影响力最大化问题。传统的影响力最大化算法通常只关注选取的种子节点集合的影响力是否最优，而忽略了网络自身的传播能力。作者们，包括花勇、陈伯伦、朱国畅、袁燕和金鹰，来自淮阴工学院计算机与软件工程学院，他们提出了一种新的方法，通过模拟网络的渗流过程来评估和利用网络自身的传播潜力。 首先，论文指出在社交网络中，信息或影响力扩散的过程可以类比为物理中的渗流现象。通过计算在网络中随机传播的概率下，主连通分量（即网络中最大的连通子图）随传播概率变化的趋势，可以揭示网络的固有传播能力。具体来说，当传播概率达到一个特定的相变点时，主连通分量的大小会迅速增大，这个相变点就代表了网络开始展现出强大传播能力的转折点。 接下来，研究人员将相变点对应的传播概率与种子节点集合的大小联系起来，从而确定在当前网络条件下，最能有效扩大影响力的种子节点集合的理想大小。限制种子节点集合的大小在这一理想范围内，可以确保影响力最大化的效果。 为了验证提出的算法的有效性，作者们在多个社交网络数据集，包括kareteclub、football、highschool和socdolphins上进行了实验。实验结果证明，这种方法能够有效地找出最优的种子节点集合，从而实现影响力的最大化。 论文关键词包括：社交网络、影响力最大化、种子节点集合、渗流、传播概率、主连通分量、相变点和相变值。根据中图分类号，它被归类在计算机科学的理论与方法领域，文献标志码A表示这是一篇原创性的学术研究论文。 参考文献引用格式为：中文采用花勇等.基于渗流模型的影响力最大化算法[J].智能系统学报,2019,14(6):1–9；英文引用为：HUAYong, CHENBolun, ZHUGuochang, et al. An influence maximization algorithm based on percolation model[J]. CAAI Transactions on Intelligent Systems, 2019, 14(6): 1–9。 这篇论文的贡献在于提供了一个新的视角，即考虑网络自身的传播能力，以优化影响力最大化的问题，这对于理解和设计更有效的社交网络影响力策略具有重要意义。