深入挖掘社交网络中传播力较强的个体,并利用其进行产品营销往往会达到事半功倍的效果,影响最大化问题就是在特定社交网络中寻找影响力较大的个体.为了更加准确的评估影响力,本文不仅从节点相似度方面进行改进,而且从信息内容本身出发,基于信息在社交网络中的传播,结合信息词频等信息自身特点来刻画节点的影响力,提出了基于信息词频和节点相似度的影响最大化算法(IMFS,Influence Maximization algorithm based on term Frequency and node Similarity).随后,在真实的社交网络中对该算法进行了实验,并与传统的影响最大化算法对比,实验结果表明由IMFS得到的集合的影响范围大于其他启发式算法的结果,同时算法的运行速度也有相应的提高,说明了本文提出的算法是解决影响最大化问题的有效算法.
