大数据量度下移动社交网络中影响力最大化问题研究

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.

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。

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。.经过整个项目周期的研究，提出了一种高效的动态社交网络更新技术，通过局部更新移动社交网络中的部分活跃区域，从而在节省大量的通讯和计算开销的基础上实现对网络的拓扑结构更新。提出了基于位置的社交网络的网络模型和影响传播模型，在提出的两个模型中海综合考虑了事件在社交网络和物理世界中的影响传播，并对事件激活位置选择问题进行了形式化的描述，并给出了相应的解决方案。探索使用Hadoop及Spark等相应工具对问题进行有效的转化与实现，使得影响力算法的效率取得了很大提升。提出了一种移动社交网络中抑制谣言传播的高效策略，实验证明，所提出的策略在达到相同控制效果的前提下所花费的成本要低。