先进数据系统实验室

　　我们实验室自主研究的IMM-SAN被计算机数据库领域国际期刊TKDD(CCF B类)收录。向各位参与研究工作的老师、同学、合作者表示祝贺。

　　论文题目：On Modeling Influence Maximization in Social Activity Networks under General Setings

　　论文摘要：影响力最大化问题（IMP）的研究，即在在线社交网络（OSNs）中找到最具影响力的用户集合以触发最大的影响级联，在市场营销、谣言阻塞等方面具有广泛的应用场景。例如，公司可以通过给那些最有影响力的用户提供免费样品或折扣，然后利用“口碑”效应来触发最大的购买级联。在线社交网络中的影响最大化问题在过去的十年中备受关注并进行了广泛的研究，但是现有的研究工作几乎都只关注OSN中的用户之间的好友关系。考虑到OSN中的用户可能会参加各种在线活动，比如加入同一个讨论组、在同一页面或产品上发表评论等，这些在线活动也会对影响力的传播产生较大影响。因此，我们考虑同时包含好友关系和在线社交活动的社交活动网络（SAN）上的影响力最大化问题研究。首先，我们构建超图模型表示社交活动网络，用两种类型的加权边，即用户之间的边和用户与活动之间的边，分别表示用户之间的好友关系和用户参与的活动。其次，为了解决计算难题，我们通过随机游走定义了SAN上的影响力中心性来模拟SAN上影响力的传播。然后，我们设计了贪婪算法，以找到影响力中心性最大的用户集合进行节点推荐。最后，我们实现了算法并在现实世界数据集上进行了实验评估。实验结果表明，在不同的影响模型下，我们的算法对比最新的影响力最大化算法，在提升计算效率的同时，也能实现更大的影响力传播。

　　ACM TKDD