论文部分内容阅读
当前社交网络平台的发展,吸引了大量的用户群,进而带动了社会化营销的研究工作。影响力最大化是其一个重点研究方向。本文通过考虑扩散规模,用户兴趣值和扩散预算等因素,将影响力最大化模型作为多目标优化问题。多目标影响最大化(MOIM)模型的目的是最大化信息传播规模,尽可能多地传播对信息感兴趣的用户,并以预算约束最小化传播成本。考虑到社交网络的特性,本文利用蒙特卡洛抽样方法获得高影响力用户候选子集,并提出了一种基于分解策略的多目标进化算法(MOEA/D)的优化方法获得满足多目标约束的不可支配解集。我们利用真实社交网络数据的实验表明,提出的MOIM模型可以生成适当的种子集,为社会化营销提供了灵活高效的决策支持。