[發明專利]獨立級聯模型下基于最大似然的影響力最大化方法在審
| 申請號： | 201711439468.0 | 申請日： | 2017-12-22 |
| 公開（公告）號： | CN108073552A | 公開（公告）日： | 2018-05-25 |
| 發明（設計）人： | 劉維;陳昕;馬良玉 | 申請（專利權）人： | 揚州大學 |
| 主分類號： | G06F17/18 | 分類號： | G06F17/18;G06F17/30;G06Q50/00 |
| 代理公司： | 南京中新達專利代理有限公司 32226 | 代理人： | 孫鷗;朱杰 |
| 地址： | 225009 *** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 最大似然概率 復雜網絡 最大似然 最大化 級聯 種子節點集合 內存消耗 條件篩選 預測結果 種子節點 最短路徑 分層 算法 排序 抽樣 篩選 分解 | ||
1.獨立級聯模型下基于最大似然的影響力最大化方法，其特征在于如下步驟：
(1)在復雜網絡中確定種子節點；
(2)構造基于抽樣的縮略圖以及頂點分層：基于獨立級聯模型IC，每條邊上都賦予對應的概率，依據構造方法，考慮入度為0的節點，且考慮到不存在入度為0的情況下，將邊的概率值作為構造依據進行縮略圖的構造；
(3)計算構造的縮略圖中所有頂點的最大似然概率值：根據給定的計算公式進行計算；
(4)選取k個最小的最大似然概率值節點：對所有節點的最大似然概率值進行排序，篩選出k個節點。
2.根據權利要求1所述的獨立級聯模型下基于最大似然的影響力最大化方法，其特征在于所述步驟(2)構造基于抽樣的縮略圖以及頂點分層：首先，考慮到網絡圖中入度為0的頂點同時，也考慮到兩個節點u和v之間連接邊的概率，不只把入度為0作為構造縮略圖的唯一依據，同時考慮到不存在入度為0的情況下，將邊的概率值作為構造依據；通過以入度為0和邊上的概率作為構造縮略圖的研究，能夠構造出更為精準的縮略圖和頂點分層。
3.根據權利要求1所述的獨立級聯模型下基于最大似然的影響力最大化方法，其特征在于所述步驟(4)選取k個最小的最大似然概率值節點：通過步驟(2)我們得到關于頂點的分層{U
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于揚州大學，未經揚州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711439468.0/1.html，轉載請聲明來源鉆瓜專利網。
