.png){kind=icon}
返回
A layer weight-driven evolutionary optimization for influence maximization problem in multilayer social networks
.png){kind=icon}
PRE
AI
DOI：10.1007/s11227-025-07831-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
影响最大化旨在识别一组具有高度影响力的节点作为种子，以实现在社会网络或更广泛范围内的目标信息最大传播范围。实践中，个体本身参与多个社会网络，表现出灵活的交互行为和复杂的影响传播动态。然而，现有研究主要集中于简化的单层网络，种子识别方法往往忽视了层间传播关系的理解。本文提出了一种新颖的基于层权重的进化优化算法（LWEO），以更有效的方式解决多层网络中的影响最大化问题。网络的层权重被量化，并与一个专门设计以描述多层网络特征的适应度评估函数相结合，用于在进化过程中评估候选种子集。为驱动候选集向最优解收敛，将节点中心性指标整合到进化优化中。同时，提出了一种局部搜索策略，根据节点中心性和局部影响排名替换次优的影响节点。在合成网络和真实网络上的广泛实验验证了所提出算法的可行性和有效性。结果表明，与最先进算法相比，LWEO在小网络中实现了6.6%的平均影响传播提升，在中网络中实现了14.3%的提升。
Keyword:
Multilayer social networks
Influence maximization
Layer weights
Multilayer-independent cascade model
Evolutionary optimization
期刊
T
IF:
0
论文数:
647
被引数:
0
机构
引用论文
PHEE: Identifying influential nodes in social networks with a phased evaluation-enhanced search.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏K＋＋ Shell: Influence maximization in multilayer networks using community detectionK++ Shell: 基于社区检测的多层网络影响最大化
PREAI
分享收藏Identifying influential nodes in social networks: Centripetal centrality and seed exclusion approach
OAAI
OAAI分享收藏GCNT: Identify influential seed set effectively in social networks by integrating graph convolutional networks with graph transformersGCNT：通过整合图卷积网络与图变换器，有效识别社会网络中的关键种子节点集合OAAI
OAAI分享收藏
查看更多内容