论文部分内容阅读
随着人们对传统大众营销方式所表现出的日益反感，商业机构将关注点投向另外一种方式——直接营销，或者称为病毒营销（viral marketing）。与大众营销不一样的是，直接营销并非选择所有潜在客户作为营销对象，而是只是在刚开始阶段，有针对性地选择少数潜在用户进行营销。然后，依靠用户之间的口耳相传达到传播效果。Web2.0的发展使得在线社交网络等迅猛发展，为影响最大化的研究提供了大量研究数据和商业运作的实践平台。于是，在有了商业需求和技术支撑的情况下，人们便提出一个问题：如果在初期只能选择少量用户作为信息源，例如k个，如何选定这k个潜在用户，以达到影响最大化或营销效果最佳？本文对社会网络理论及经典传播模型进行了介绍，并在线性阈值(LM)模型定义的传播规则上，提出了基于集合覆盖贪心算法的二次集合覆盖算法(TSC)，将算法分为贪心阶段和二次覆盖阶段，试图在原有贪心覆盖的基础上，集中加强初始节点对其他节点的影响力，从而达到提供算法效果的目标。在四个数据集上的实验结果对比，我们认为二次集合覆盖算法在阶段划分参数c=0.9，搜索范围参数S=5时，算法具有较优性能。在与随机算法、入度中心启发算法、PageRank排名算法、集合覆盖贪心算法的比较中，发现在激活阈值较低时，算法间差异很小，当激活阈值较高时，集合覆盖算法和二次集合覆盖算法明显好于其他算法，且比集合覆盖贪心算法效果有所提升。