一种新的基于社区结构的影响最大化方法  

A New Approach to Maximizing the Spread of Influence Based on Community Structure

作　　者：冀进朝[1] 黄岚[1] 王喆[1] 李红明[1] 李三义[1] 

机构地区：[1]吉林大学计算机科学与技术学院,长春130012

出　　处：《吉林大学学报（理学版）》2011年第1期93-97,共5页Journal of Jilin University:Science Edition

基　　金：国家自然科学基金(批准号:6067309960873146);国家高技术研究发展计划863项目基金(批准号:2007AA04Z114)

摘　　要：基于传播网络的结构性,提出一种新的基于社区结构的影响最大化方法AMICS.该方法先利用已有社区挖掘算法识别出隐藏在网络中的社区结构,然后迭代选择跨越社区数最多的k个节点作为影响的初始传播者最大化影响的社区覆盖.在小型网络和中等规模网络数据集上的实验表明,该算法比传统的影响最大化方法更具优势.Considering the structure of diffusion network,we proposed a new approach to maximizing the spread of influence based on community structure（AMICS）.Our approach employs the community algorithm such as Radicchi＇s algorithm/ICS algorithm to detect the community structure hidden in the network firstly,then iteratively chooses k important nodes which span the maximum communities to maximize the influence＇s community coverage.The experiments on the small network and medium network show that AMICS is feasible and effective.

关 键 词：社区结构 影响最大化 社区覆盖 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]