基于独立级联模型的最大影响路径算法

　　个性化影响最大化问题是近年来社交网络影响最大化问题研究领域一个较新的分支，其现有解决方案普遍建立在网络边影响传播强度一致的假设下，该假设对于真实社交网络缺乏普遍适用性。为此基于独立级联模型，提出最大影响路径算法（ MIPA）。该算法通过三个阶段来求解个性化影响最大化问题，首先将边影响强度作对数转换以获得最大影响路径，从而计算网络节点对目标节点的邻居节点的影响；然后利用多条经过目标节点邻居的最大影响路径联合计算目标节点受到的影响强度；最后选择Top-k节点作为种子节点，从而摆脱边影响强度的一致性约束，获取高质量的种子集。在不同的真实社交网络数据集上进行的对比实验验证了算法的有效性。