为了解决异质网络影响力最大化问题,提出一种通过计算不同元路径的信息熵将异质网络影响力最大化建模为一个多标准决策问题,再使用逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)进行...为了解决异质网络影响力最大化问题,提出一种通过计算不同元路径的信息熵将异质网络影响力最大化建模为一个多标准决策问题,再使用逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)进行求解。为了评估异质网络中的信息扩散,使用线性阈值模型来进行种子集的扩散数量验证。在3个真实世界网络上进行试验,试验结果表明所提算法的扩散数量高于其他算法结果几十到几百个节点不等,运行时间也是线性时常,表明所提算法是确实有效。展开更多
文摘为了解决异质网络影响力最大化问题,提出一种通过计算不同元路径的信息熵将异质网络影响力最大化建模为一个多标准决策问题,再使用逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)进行求解。为了评估异质网络中的信息扩散,使用线性阈值模型来进行种子集的扩散数量验证。在3个真实世界网络上进行试验,试验结果表明所提算法的扩散数量高于其他算法结果几十到几百个节点不等,运行时间也是线性时常,表明所提算法是确实有效。
