已有的社交网络影响最大化研究大多基于网络图结构，没有利用级联数据蕴涵的信息，不能有效捕捉用户间的真实影响。针对此问题，提出基于级联数据提出融合级联活跃转发者的影响最大化方法。该方法首先设计融合活跃转发者的嵌入式神经网络模型，通过级联转发记录有监督训练获取用户特征向量，然后根据信息可达对象数量和扩散概率计算融合活跃转发者的用户影响力，最后基于贪婪策略选择种子集。在3种大规模数据集上同4种具有代表性的方法进行对比，实验结果表明，在信息真实扩散范围方面，提出的方法更具有效性。
科研之友
微信
新浪微博
Facebook
分享链接
