1、近年來，社交網(wǎng)絡(luò)得到了極大的發(fā)展，成為人們消磨休閑時(shí)光、獲取最新信息、了解朋友動(dòng)態(tài)的重要工具，構(gòu)成了人們網(wǎng)絡(luò)在線生活的重要一部分。社交網(wǎng)絡(luò)的出現(xiàn)帶來了各種可能性，如美國總統(tǒng)奧巴馬利用社交網(wǎng)絡(luò)成功贏得兩次競選，韓國音樂人PSY利用社交網(wǎng)絡(luò)傳播其舞曲視頻《江南style》突破了10億次點(diǎn)擊的吉尼斯記錄。社交網(wǎng)絡(luò)如何進(jìn)行信息傳播，以及如何利用社交網(wǎng)絡(luò)推動(dòng)信息的快速有效傳播，成為目前學(xué)術(shù)界研究的熱點(diǎn)。本文系統(tǒng)研究了社交網(wǎng)絡(luò)上的信息傳播模型，其研

2、究成果對于改進(jìn)社交網(wǎng)絡(luò)上的信息服務(wù)具有重要的應(yīng)用價(jià)值。
　　首先，本文提出一種信息傳播的快速計(jì)算模型:線性影響力傳播模型。信息傳播模型是描述社交網(wǎng)絡(luò)上信息傳播過程和進(jìn)行信息傳播計(jì)算的基礎(chǔ)。盡管近年來對信息傳播模型的研究較多，如獨(dú)立級聯(lián)模型和線性閾值模型，但這些模型都存在許多缺點(diǎn)，如不可解析，沒有閉形式解，效率太低等。這些缺點(diǎn)導(dǎo)致它們只能應(yīng)用在小規(guī)模網(wǎng)絡(luò)中，然而實(shí)際環(huán)境中的社交網(wǎng)絡(luò)（如Facebook、Twitter等）常常擁有數(shù)以

3、億計(jì)的用戶規(guī)模！為此，本文提出了一種線性影響力模型。該模型能夠在線性時(shí)間內(nèi)完成信息傳播計(jì)算，同時(shí)該模型具有可調(diào)節(jié)性，通過調(diào)節(jié)模型參數(shù)可以使得該模型的信息傳播結(jié)果非常逼近傳統(tǒng)模型。在一個(gè)規(guī)模達(dá)到千萬的實(shí)際社交網(wǎng)絡(luò)上的測試表明，線性影響力模型能夠嚴(yán)格逼近傳統(tǒng)模型的傳播效果，而且僅需要付出比傳統(tǒng)模型低得多的計(jì)算代價(jià)。
　　其次，本文基于線性影響力模型提出PageRank的改進(jìn)算法。PageRank算法是用于計(jì)算網(wǎng)絡(luò)中節(jié)點(diǎn)權(quán)威值的經(jīng)典算法

4、。自Larry Page和Seige Brin提出以來，已成為網(wǎng)絡(luò)研究中最重要的算法之一，也是互聯(lián)網(wǎng)巨擎Google的立身之本。本文從影響力傳播的角度重新分析了這一算法，并得出“網(wǎng)絡(luò)中節(jié)點(diǎn)權(quán)威值就是該節(jié)點(diǎn)對網(wǎng)絡(luò)中所有節(jié)點(diǎn)的影響力之和”這一本質(zhì)結(jié)論。同時(shí)還論證了PageRank算法只是對網(wǎng)絡(luò)中節(jié)點(diǎn)權(quán)威值的一種快速近似計(jì)算，并給出了多種針對節(jié)點(diǎn)權(quán)威值計(jì)算的精確算法，如規(guī)范PageRank算法和先驗(yàn)Pagerank算法等。本文在科學(xué)家合作網(wǎng)絡(luò)

5、上對各種PageRank算法進(jìn)行了對比，結(jié)果表明規(guī)范PageRank算法和先驗(yàn)PageRank算法均能取得比傳統(tǒng)PageRank更好的結(jié)果。
　　然后，本文基于線性影響力傳播模型和PageRank算法的本質(zhì)聯(lián)系，提出一種用于快速計(jì)算任意群體影響力（權(quán)威值）的群體PageRank算法。群體PageRank算法是對PageRank算法一種維度上的推廣。眾所周知，Pagerank算法是計(jì)算節(jié)點(diǎn)權(quán)威值的經(jīng)典算法，然而如何計(jì)算一個(gè)群體的權(quán)威

6、值呢？如美國民主黨和共和黨在競選之時(shí)，如何計(jì)算兩黨在民眾中的權(quán)威值從而預(yù)測誰將贏得最終大選？因此，群體權(quán)威值計(jì)算具有重要的應(yīng)用價(jià)值。本文從影響力傳播的角度分析了群體的權(quán)威值的計(jì)算方法，同時(shí)基于影響力傳播模型和PageRank算法的關(guān)系提出了群體PageRank算法，用于快速計(jì)算大規(guī)模社交網(wǎng)絡(luò)上群體權(quán)威值。在真實(shí)數(shù)據(jù)上進(jìn)行的大量測試表明，群體PageRank算法能在常數(shù)時(shí)間內(nèi)計(jì)算任意群體的群體權(quán)威值，同時(shí)計(jì)算結(jié)果能夠一致逼近真實(shí)結(jié)果。

7、r>　　最后，本文將線性影響力傳播模型和群體PageRank算法用于病毒營銷設(shè)計(jì)，為社交網(wǎng)絡(luò)上的信息傳播提供最佳策略。病毒營銷，亦稱“口碑效應(yīng)”，致力于尋找一組社交網(wǎng)絡(luò)用戶為某種產(chǎn)品代言，希望這組用戶能在網(wǎng)絡(luò)上造成多米諾骨牌效應(yīng)，使得該產(chǎn)品的好口碑能口口相傳到到最大規(guī)模的網(wǎng)絡(luò)群體中，從而為產(chǎn)品銷售帶來最佳效果。本文基于線性影響力傳播模型和群體PageRank算法提出了兩種病毒營銷算法，Linear算法和Bound算法。同時(shí)，在多個(gè)真實(shí)數(shù)