一种面向团体的影响最大化方法

　　 影响最大化旨在从给定的社会网络中寻找出一组影响力最大的子集．现有工作大都在假设实体点（个人或博客等）影响关系已知的情况下，关注于分析单个实体点的影响力．然而在一些实际场景中，人们往往更关注区域或人群等这类团体的组合影响力，如户外广告、电视营销、疫情防控等．研究了影响力团体的选择问题：（1）基于团体的关联发现，建立了团体传播模型GIC（group independent cascade）;（2）根据GIC模型，给出了贪心算法CGIM（cascade group influence maximization），搜索最具影响力的top-k团组合，在人工数据和真实数据上，实验验证了该方法的效果和效率．