免费论文摘要：社会搜集感化力最大化的散布式计划框架

    感化力最大化题目是暂时社会搜集接洽的热门题目之一，它首先的接洽效果来自于口碑经营销售。比方，一个首创公司想要实行本人的产物，但实行经费有限，所以它先让一局部有感化力的人免费试用产物，蓄意她们把产物引荐给本人的伙伴等，经引荐后承认了产物的伙伴又将产物引荐给各自的伙伴，如许形成了社会搜集上的级联（cascade）传递。感化力最大化题目的目的是找到有感化力的少量节点（健将节点），让那些节点变成消息传递的泉源后，搜集上最后级联传递的范畴最大（即接受消息的节点最多）。感化力最大化可用来革新实行（产物、本领、策略、常识等）、事变监测（流言、水传染、传抱病等）、大师创造、伙伴引荐之类。    感化力最大化的接洽重要分为感化力传递模子和鉴于模子的算法两个上面。正文开始引见了暂时运用最多的两个社会搜集传递模子：线性阈值模子和独力级联模子，并领会了两个模子的特性。同声，正文胪陈了典范的感化力最大化算法。经过领会比较，正文归纳了百般算法的上风和不及。正文指出已有的算法是集选取的，面临暂时的社会搜集范围（数亿节点，十亿到百亿级边）是不行扩充的。 而后，正文引见并归纳了暂时大范围搜集并行计划的关系本领和本领，提出了鉴于IRIE（感化力排序与估量算法）的散布式感化力最大化计划框架。在该框架下，正文经过对搜集切分和鉴于BSP模子表白点中心地的图计划，安排了多个散布式算法。算法安排鉴于考查尝试和表面表明，提出了鉴于动静传播增量革新节点、鉴于蓄池塘体制推迟兼并通讯等优化计划，旨在保护算法精确性的基础下，缩小计划和通讯，普及集群并行功效。    结果，正文在大范围的如实社会搜集和人为搜集长进行了多维度的试验，领会比较了散布式的算法和鉴于单节点的集选取算法在运转功夫、通讯量、外存耗费上面的情景。试验截止表露，正文实行的散布式算法运转功夫优于集选取算法，而且集群外存耗费总量并未鲜明飞腾。个中，经心安排和实行的散布式算法dIRIEr极地面缩小了通讯开支，算法并行功效明显提高，表露出较高的加快比。在大范围搜集上，dIRIEr表露出杰出的扩充性，其运转功夫跟着计划节点增加而连接大幅低沉，而且不妨处置进步的集选取算法没辙处置的超大范围搜集。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/283841.html