公开(公告)号：CN106022936A

公开(公告)日：2016-10-12

申请号：CN201610353585.4

申请日：2016-05-25

Applicant: 南京大学

Inventor： 吴骏 ,  陈厚兵 ,  张梓雄 ,  王晓彤 ,  吴和生 ,  王崇骏

IPC: G06Q50/00

Abstract: 本发明提供一种适用论文合作网络的基于社团结构的影响最大化算法(COMAX算法)，包括如下步骤：1)社团发现阶段a构建论文合作网络图；b合并局部社团；c构建新的网络图；d结束；2)种子节点选取阶段a计算每个社团的影响力；b选择影响力最大社团中对应的节点；c结束。本发明的基于社团结构的影响最大化算法为论文合作网络的影响最大化问题提供了新的解决方案，结果表明，在ICM模型上，我们提出的COMAX算法在影响覆盖范围上与贪心算法接近，而且时间效率非常好。

公开(公告)号：CN104820945A

公开(公告)日：2015-08-05

申请号：CN201510186252.2

申请日：2015-04-17

Applicant: 南京大学

Inventor： 吴骏 ,  海军 ,  彭岳 ,  李宁 ,  吴和生 ,  谢俊元

IPC: G06Q50/00

Abstract: 基于复杂网络社团发现算法的信息传播最大化方法，包括如下步骤：1)复杂网络生成阶段：预处理从在线社会网络上爬取到的数据变为有向带权图；模型训练阶段：a)利用社团发现算法对复杂网络进行社团发现。b)为每一个社团，输出对应的子图。c)为每一个子图进行不同种子节点选取实验。d)利用所产生数据进行训练模型，并把得到的模型保存到指定区域以待使用。2)种子节点选取阶段：a)要进行挖掘的原始复杂网络分割为不同的社团，并生成对应子图。b)导入模型训练阶段训练好的预测。c)利用预测模型计算出每个子图应分配到几个种子节点进行挖掘。复杂网络数据中选取最具传播能力节点时的时间效率。具有选取结果优，数据处理速度快等优点。