数学论文_地理社交网络中基于多目标组合优化的

文章目录

1 相关工作

2 问题定义

2.1 预备知识

2.2 问题定义与复杂度分析

2.3 基准算法

3 多轮次迭代算法

3.1 反向影响力采样技术

3.2 影响力收益上下界评估方法

    3.2.1 位置集与种子集明确时影响力收益上下界评估

    3.2.2 潜在位置与种子组合下的影响力收益上界推导

3.3 LA-JIP多轮迭代处理算法

4 实验评估

4.1 数据集与测试环境

4.2 实验设定

4.3 有效性评估

4.4 算法性能评估

    4.4.1 种子个数对性能的影响

    4.4.2 推广目标位置个数对性能的影响

    4.4.3 侯选位置集合大小对性能的影响

4.5 对ε参数设定的评估

5 总 结

文章摘要:影响力最大化问题旨在从社交网络中寻找若干具有高影响力的用户节点（种子）,以触发最大化的信息传播规模.目前绝大多数工作认为社交网络中所有用户都拥有相同的影响力推广价值.然而,在基于位置的营销活动中,影响力推广的主体通常为带有位置标签的空间对象,考虑到用户在物理世界中的移动受限问题,空间对象仅能吸引其邻近范围内的潜在用户.因此,为了最大化市场营销潜力,商家通常需要同时拥有多个营销目标,譬如,连锁店企业对旗下的多家门店进行联合推广.不同的推广内容以及不同的影响力种子选择都将对营销推广的效益产生切实的影响.鉴于此,综合考虑商家在营销过程中对推广门店位置的选择以及在线上部署影响力传播种子的策略,在地理社交网络中研究基于多目标组合优化的空间感知影响力联合推广问题.首先分析了问题的理论难度,阐明了其与传统影响力最大化问题的区别.为支持高效且准确的问题求解,根据用户推广权重的差异,拓展了现有反向影响力采样（reverse influence sampling, RIS）技术,对不同位置和种子组合下的影响力传播收益进行理论保证下的上下界评估,并基于此提出了迭代处理算法框架,在多个轮次下实现高置信度保障的近似最优求解.最后,通过多组真实数据集上的实验,证明了所研究问题能在多目标组合下有效地提升空间感知的影响力推广效果,并验证了所提出算法的良好性能.

文章关键词:

项目基金:《地理空间信息》 网址: http://www.dlkjxx.cn/qikandaodu/2022/0127/727.html