一种面向团体的影响最大化方法

来源：软件学报杂志2017年第8期北京时间：

作者：张平,王黎维,彭智勇,岳昆,黄浩

单位：张平，软件工程国家重点实验室(武汉大学), 湖北 武汉 430072;武汉大学 计算机学院, 湖北 武汉 43007211,王黎维，武汉大学 国际软件学院, 湖北 武汉 43007202,彭智勇，软件工程国家重点实验室(武汉大学), 湖北 武汉 430072;武汉大学 计算机学院, 湖北 武汉 43007203,岳昆，云南大学 信息工程学院, 云南 昆明 65009104,黄浩，软件工程国家重点实验室(武汉大学), 湖北 武汉 430072;武汉大学 计算机学院, 湖北 武汉 43007205

摘要：影响最大化旨在从给定的社会网络中寻找出一组影响力最大的子集.现有工作大都在假设实体点（个人或博客等）影响关系已知的情况下，关注于分析单个实体点的影响力.然而在一些实际场景中，人们往往更关注区域或人群等这类团体的组合影响力，如户外广告、电视营销、疫情防控等.研究了影响力团体的选择问题：（1）基于团体的关联发现，建立了团体传播模型GIC（group independent cascade）；（2）根据GIC模型，给出了贪心算法CGIM（cascade group influence maximization），搜索最具影响力的top-k团组合.在人工数据和真实数据上，实验验证了该方法的效果和效率.

关键词：社会网络;影响最大化;关联模型;影响力团体

基金资助：国家自然科学基金（61232002，61502347，61202033，61572376）；中央高校基本科研业务费专项资金（2042015kf00 38）