Communitybased Greedy Algorithm for Mining TopK 社区挖掘的topk的贪心算法.ppt

Community-based Greedy Algorithm for Mining Top-KIn?uential Nodes in Mobile Social Networks 蔡跳 Introduction 硬件、无线设备的普及，移动社交网在信息传播中起到重要作用 issue:发现移动社交网中的一个子集，该子集中的人能最大程度地影响他人 eg. 公司推广产品，向某些“有影响的人”推送产品免费试用，利用用户口碑传播--病毒式营销 寻找K个“有影响的人” in?uence maximization 贪心算法GA：能找到很好的近似解，但效率不高 其他改进算法：CELF，NewGreedy，MixedGreedy，DegreeDiscount(启发式) CGA(Community-based Greedy Algorithm):将social networks划分为communities，选择一个community，在community中使用贪心算法。 CGA 组成： 1）influential model based community detection algorithm(community partition combination) 2）community-based greedy algorithm 优点：提高效率，准确率损失小；与其他算法正交，可替换。 准备工作与问题描述1 Mobile Social Networks(MSN)：由移动通信网抽取通话记录建模而得 准备工作与问题描述2 Independent Cascade Model：分配节点两种状态active、inactive active--inactive 常用的ICM不考虑边的权值，本文扩展ICM，使用diffusion speed来保存变的权值，记为λ λ：active node vi激活inactive node vj的概率 influence degree -- R(A)： 指信息扩散过程中受A影响的节点数 influence：ICM模型Q次模拟过程中节点v至少Q/2次激活节点u 问题：在G=(V,E,W)中寻找top-K个节点集合S，使得R(S)最大 community detection 已有很多community detection算法，只考虑了节点间的连接，未考虑节点间的信息扩散 本文的detection算法：based on the influences，not the connections 2 step：partition；combination community partition 步骤： 1.初始化每个节点的label，1...N 2.计算每个节点的受该节点影响的邻节点集合 3.有限次迭代计算出新的label 生成label的原则：包含受节点v影响的邻节点最多的community v.Ct = maxCMT(u1.Ct-1, u2.Ct-1 , ..., usv.Ct-1) community partition community combination 如果节点v激活邻节点u，但v属Cm，u属Cl，则evu为live，u是Cm的live node，L[Cm]是Cm的live node集 CombinationEntropy： 若CoEntropy大于阈值θ，则联结Cl与Cm community combination Community-Based Greedy Algorithm 步骤： 1.选择第m个community 2.在该community中寻找第k个influential node 影响度增量? ： 标记s： Community-BasedGreedy Algorithm 使用MixedGreedy 实验 data sets：某城市的中国移动3个月的通话详细记录，共723k个节点，平均度为13.4 benchmark：MixedGreedy，NewGreedy，DegreeDiscount，Random，SPCGA metrics：influence degree，runtime Varying K K：1 - 30 Varying the diffusion speed K = 20, N = 723k Scalability with the network size N λ = 0.05， k=20 N： 10k - 100k Varying θ k = 20, N = 723k, λ=0.05 θ：0 - 0.6 谢谢