排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
影响力最大化问题研究在给定传播模型下如何选取社交网络中的一组种子用户,使信息通过这些用户实现最大范围的传播。现有算法主要存在2个问题:一是由于影响范围有限、时间复杂度高,难以适用于大规模社交网络;二是仅局限于特定传播模型,只能解决单一类型社交网络下的影响力最大化问题,当使用在不同类型社交网络上时效果较差。对此,基于2个经典影响力传播模型,结合反向影响采样技术,提出一种高效的影响力最大化(MTIM)算法。为验证MTIM算法的高效性,将其与IMM、TIM和PMC等贪心算法,以及One Hop和DegreeDiscount等启发式算法在4个真实社交网络上进行对比实验,结果表明MTIM算法能够提供■近似保证,显著扩大影响范围,并有效提高运行效率。 相似文献
2.
3.
给定一个有向无环图,回答可达性查询是图的基本操作之一.虽然很多方法使用树区间来加速可达查询的处理速度,但并不明确使用多少个区间比较合适.本文提出一种快速计算区间覆盖率的算法,该方法通过使用有效的剪枝策略来支持高效的覆盖率计算.基于所得到的区间覆盖率,可针对不同数据图确定合适的区间个数,以便在加速查询处理的同时,降低索引... 相似文献
4.
5.
给定一个有向图,一个k步可达查询u→?kv用来回答在该图中是否存在一条从顶点u到顶点v且长度不大于k的有向路径。k步可达查询是一种基本的图操作并在过去十年间被广泛地研究。已有的k步可达查询算法仍存在许多弊端,例如不可达查询效率低,索引规模大和索引构建时间长等。本文针对上述问题提出了2种优化方法,分别是基于互逆拓扑序号以及基于等价顶点的图压缩方法.前者提高了不可达查询的效率,后者减少了索引规模和索引构建时间。实验结果表明,本文提出的方法可以有效地处理k步可达查询,并支持大规模数据的处理。 相似文献
6.
7.
1