| 主权项 |
一种面向微博特定类型用户的信息影响力最大化方法，其特征在于：包括以下步骤，步骤一：在微博网络中获取用户的粉丝、关注列表和配置信息，同时获取微博用户在T时间段内的所有交互行为数据；步骤二：根据提取的用户粉丝、关注列表构建用户关注关系并生成用户关注关系图G<U,E>其中U为微博用户集合，E为边的集合，根据提取的用户交互行为数据，构建用户行为关系并形成用户行为关系图G′<U,E,W>其中W表示边的权重；根据提取的用户配置信息生成用户属性向量u<sub>i</sub>＝{a<sub>1</sub>,a<sub>2</sub>,…a<sub>n</sub>}；步骤三：根据给定的用户类型信息进行匹配用户对用户进行分类，删除用户行为关系图中的无效用户，形成简化后的用户行为关系图G″＜U′,E′,W′＞；给定用户类型向量x＝{x<sub>1</sub>,x<sub>2</sub>,…x<sub>n</sub>}，进行用户类型匹配计算：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>s</mi><mi>i</mi><mi>m</mi><mrow><mo>(</mo><msub><mi>u</mi><mi>i</mi></msub><mo>,</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><mi>x</mi><mo>*</mo><msub><mi>u</mi><mi>i</mi></msub></mrow><mrow><munder><mo>Σ</mo><mrow><msub><mi>x</mi><mi>i</mi></msub><mo>∈</mo><mi>x</mi></mrow></munder><msub><mi>x</mi><mi>i</mi></msub></mrow></mfrac></mrow>]]></math><img file="FDA0000759721670000011.GIF" wi="369" he="183" /></maths>对于匹配结果sim(u<sub>i</sub>,x)不等于1的用户，如果该用户没有粉丝或者该用户没有活跃度，将该用户删除；步骤四：使用BiasRank启发式的排序方法对简化后的用户行为关系图中的用户进行降序排序，选取排序的前n个用户生成初始候选集合；步骤五：根据生成的初始候选集合建立简化的社会网络关系图，在简化的社会网络关系图上仿真模拟信息传播得到激活节点集合，计算激活节点集合的累积影响力值，选取累积影响力值最大激活节点集合对应的m个初始用户集合，将m个初始用户集合作为初始激活集合。 |
