计算机科学与探索

作者：高昂, 梁英, 谢小杰, 王梓森, 李锦涛

单位：1. 中国科学院 计算技术研究所，北京 1001902. 中国科学院大学 计算机科学与技术学院，北京 1000493. 移动计算与新型终端北京市重点实验室，北京 100190

关键词：信息传播模型,传播网络推断,影响力最大化,隐私保护,社交网络

社交网络影响力传播重点关注如何使用少量的种子集合在社交网络中产生尽可能高的影响力，并将转发作为信息传播的唯一方式，忽略了其他传播方式，例如用户可通过发布一条与所见信息内容相似的信息来进行传播，这种传播方式（称为转述）因为难以追踪，所以存在隐私泄漏的风险。针对上述问题，定义了一种支持转述关系的社交网络信息传播模型，提出了一种支持用户隐私保护的信息传播方法LocalGreedy，确保用户发送的信息不泄漏到指定黑名单的同时，最大化传播产生的影响力，平衡了隐私保护和信息传播的矛盾。针对种子集合选取的枚举问题，提出了支持隐私保护的递增策略构造种子集合，减少时间开销；给出了计算节点的局部影响子图方法，快速估计种子集合传播产生的影响力；为确保种子集合满足隐私保护约束限制，提出了推导节点泄漏态概率上限的方法，避免使用蒙特卡洛方法产生的时间开销。使用爬取的新浪微博数据集进行实验验证和实例分析，结果表明了所提方法的有效性。

来源：2021年第2期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第2期