项目名称: 大数据量度下移动社交网络中影响力最大化问题研究

项目编号: No.61502116

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 李丽洁

作者单位: 哈尔滨工程大学

项目金额: 21万元

中文摘要: 社交网络是产品推广、市场营销、行为分析等绝大多数应用的重要基础,具有广阔的应用前景,影响力传播是社交网络研究领域的重要问题之一。智能手机等移动设备的发展和普及使社交网络迅速膨胀,数据量大与移动性强已成为社交网络新的重要特征,现有影响力传播算法已无法满足大数据量度下这种变化的需求,必须要探索新的方法与技术。因此,项目组计划对新型移动社交网络的影响力传播问题进行研究,具体如下:研究移动社交网络数据获取及动态更新模式,提高对网络结构特征建模的准确性和有效性,为影响力最大化算法提供支撑;研究影响力在移动社交网络中的传播规律,通过对深度与广度、局部最优、正负态度区分及竞争存在等方面的研究,建立完善且与实际相符的大数据量度下影响力传播模型,为移动社交网络影响力最大化算法奠定基础;设计及优化不同影响力传播模型下面向大数据量度的影响力最大化算法,推动移动社交网络的理论研究及各类应用的发展。

中文关键词: 大数据;社会网络;移动计算;影响力最大化

英文摘要: The social network places an important foundation for product promotion, marketing management, behavior analysis and other applications, and therefore has a broad application prospect. The influence propagation is one of the important issues in social networks research domains. The massive prevalence of smart phones, tablets and other mobile devices expands the scale of social networks rapidly, while also poses many challenges due to its large scale and mobility characteristics. The traditional processing technique of influence propagation algorithms cannot meet this need. Therefore, we plan to carry out our researches on influence propagation issues under big data benchmarks in mobile social networks; more specifically, we focus on the mobile social networks data collection and updates technology, the study of which will improve the accuracy and efficiency of network structure model and support to relevant studies of the influence maximization algorithm; influence propagation models in mobile social networks based on depth-first, breadth-first, local optimum, positivity and negativity, and competition, which will not only built appropriate influence propagation model but also afford the basis of influence maximization algorithm; and the design and optimization of influence maximization algorithms, on the basis of influence propagation models and big data benchmarks, which is to provide theoretical and empirical support to relevant studies of the theory and application in mobile social networks.

英文关键词: big data;social network;mobile computing;influence maximization

成为VIP会员查看完整内容
2

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
20+阅读 · 2021年8月1日
专知会员服务
51+阅读 · 2021年4月6日
专知会员服务
30+阅读 · 2021年3月7日
基于区块链的数据透明化:问题与挑战
专知会员服务
20+阅读 · 2021年3月4日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
专知会员服务
51+阅读 · 2020年12月19日
【博士论文】搜索引擎中的实体推荐关键技术研究
专知会员服务
44+阅读 · 2020年12月9日
深度学习目标检测方法综述
专知会员服务
274+阅读 · 2020年8月1日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
最新《动态网络嵌入》综述论文,25页pdf
专知
34+阅读 · 2020年6月17日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
BiSeNet:双向分割网络进行实时语义分割
统计学习与视觉计算组
22+阅读 · 2018年8月23日
人工智能对网络空间安全的影响
走向智能论坛
21+阅读 · 2018年6月7日
一文详解LSTM网络
论智
18+阅读 · 2018年5月2日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Disturbance of questionable publishing to academia
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
28+阅读 · 2021年10月1日
Arxiv
49+阅读 · 2021年5月9日
Arxiv
11+阅读 · 2018年1月15日
小贴士
相关VIP内容
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
20+阅读 · 2021年8月1日
专知会员服务
51+阅读 · 2021年4月6日
专知会员服务
30+阅读 · 2021年3月7日
基于区块链的数据透明化:问题与挑战
专知会员服务
20+阅读 · 2021年3月4日
基于事件社会网络推荐系统综述
专知会员服务
69+阅读 · 2021年1月13日
专知会员服务
51+阅读 · 2020年12月19日
【博士论文】搜索引擎中的实体推荐关键技术研究
专知会员服务
44+阅读 · 2020年12月9日
深度学习目标检测方法综述
专知会员服务
274+阅读 · 2020年8月1日
相关资讯
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
最新《动态网络嵌入》综述论文,25页pdf
专知
34+阅读 · 2020年6月17日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
102+阅读 · 2019年1月9日
BiSeNet:双向分割网络进行实时语义分割
统计学习与视觉计算组
22+阅读 · 2018年8月23日
人工智能对网络空间安全的影响
走向智能论坛
21+阅读 · 2018年6月7日
一文详解LSTM网络
论智
18+阅读 · 2018年5月2日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
相关论文
微信扫码咨询专知VIP会员