作者：胡启志; 颜娜; 谢瑾奎影响最大化节点相似度信息词频em算法
摘要：深入挖掘社交网络中传播力较强的个体，并利用其进行产品营销往往会达到事半功倍的效果，影响最大化问题就是在特定社交网络中寻找影响力较大的个体．为了更加准确的评估影响力，本文不仅从节点相似度方面进行改进，而且从信息内容本身出发，基于信息在社交网络中的传播，结合信．g-词频等信息自身特点来刻画节点的影响力，提出了基于信息词频和节点相似度的影响最大化算法（IMFS，Influence Maximization algorithm based on term Frequency and node Similarity）．随后，在真实的社交网络中对该算法进行了实验，并与传统的影响最大化算法对比，实验结果表明由IMFS得到的集合的影响范围大于其他启发式算法的结果，同时算法的运行速度也有相应的提高，说明了本文提出的算法是解决影响最大化问题的有效算法．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
