基于社区发现的社交网络影响力阻断最大化算法

随着社交网络的日益普及,社交网络已经成为信息传播的主要平台之一.由于对社交网络内容监管相对困难,导致一些负面信息容易快速扩散并产生较大的不良影响.影响力阻断最大化问题旨在寻找需要采用正影响的节点集,使信息传播过程中被负向消息影响的节点数量最小化.针对现有社交网络影响力阻断算法运行时间复杂度较高的问题,文章提出了基于社区发现的影响力阻断最大化算法,该算法首先使用社交网络节点的扩展h指数中心性来选择候选种子节点;然后以这些种子节点为起点,利用标签传播算法发现社交网络中的社区;接着通过计算社交网络社区的关系矩阵及当前关系矩阵的模块度对社区进行合并;最后,计算初始种子节点的标签度量等级,选取前k个节点作为具有最大阻断影响力的成员.实验结果表明,该算法阻断性能好,且时间复杂度低.