代价约束下基于随机游走的负影响力传播抑制方法

陈伯伦，朱国畅，纪敏，朱鸿飞，韦晨

（淮阴工学院 计算机与软件工程学院，江苏 淮安 223003）

近年来，随着在线社交网络的蓬勃发展，成千上万的人通过形式多样的媒介产生前所未有的海量数据，并且数据呈现出多源化、异构化的趋势。其中，影响力最大化是社交网络分析中的一项重要的研究课题，主要是通过网络中的病毒式营销来驱动，目的是找到在特定传播模型下最大化影响力传播的关键用户子集[1-2]。

Morone 和Makse 在Nature上发表论文，对影响力最大化问题进行了深入探讨[3]。影响力最大化的目标就是在群体中寻找一些关键的种子节点集合用于去最大化其余节点。例如：在病毒式营销的情况下，公司希望依靠口碑推荐来增加其产品的销售，通过挖掘网络中的重要客户的影响力去最大化宣传效果[4]。2020 年新型冠状病毒肺炎的爆发，牛津大学、哈佛大学医学院、波士顿儿童医院等团队在Science上发表论文，他们基于中国百度地图迁徙大数据平台的数据，分析了研究人员的迁徙与疫情之间的相关关系，为研究病毒传播提供了强有力的数据支撑[5]。另外，影响力最大化的研究对病毒传播、政府部门进行舆情管控、虚假信息控制以及这些信息的发布源追踪等提供了理论上的支撑，为社会的安全保障活动起到了应有的保障作用[6-7]。

影响力在传播的过程中，存在着正影响力，例如同意、支持、好评等，也存在着诸如差评、谣言等负影响力，很多负面消息都在网络中迅猛肆意地扩散，复杂网络中影响力最大化问题目标是希望能够最大程度地限制网络中负影响力的扩散，切断传播途径。……