大規(guī)模社會網(wǎng)絡中影響最大化高效處理技術

第1章  緒論   1.1 社會網(wǎng)絡研究概述     1.1.1 基本概念和特點     1.1.2 研究現(xiàn)狀   1.2 社會網(wǎng)絡影響最大化問題     1.2.1 影響最大化問題的研究意義     1.2.2 影響最大化算法的度量標準     1.2.3 影響最大化問題面臨的挑戰(zhàn)     1.2.4 現(xiàn)有工作的不足   1.3 本書的主要工作   1.4 全書組織 第2章  影響最大化問題及相關理論   2.1 社會網(wǎng)絡基本定義   2.2 影響傳播模型     2.2.1 獨立級聯(lián)模型     2.2.2 線性閾值模型     2.2.3 其他影響傳播模型   2.3 影響最大化問題及求解算法     2.3.1 影響最大化問題     2.3.2 影響最大化問題求解算法   2.4 影響最大化問題延伸與變形     2.4.1 影響最大化問題延伸     2.4.2 影響最大化問題變形   2.5 小結 第3章  基于異構并行計算框架的影響最大化加速算法   3.1 引言   3.2 GPU體系結構和CUDA編程模型     3.2.1 GPU硬件體系結構     3.2.2 CUDA編程模型   3.3 自底向上逐層掃描算法     3.3.1 BUTA算法設計     3.3.2 BUTA重疊部分計算   3.4 IMGPU實現(xiàn)及其優(yōu)化     3.4.1 IMGPU_基本實現(xiàn)     3 4.2 IMGPU 優(yōu)化方法   3.5 實驗與性能分析     3.5.1 實驗設計     3.5.2 算法精度分析     3.5.3 算法時間分析     3.5.4 算法可擴展性分析     3.5.5 優(yōu)化方法分析   3.6小結 第4章  基于監(jiān)督采樣的影響力估計算法   4.1 引言   4.2 背景理論     4.2.1 蒙特卡洛理論     4.2.2 灰度預測理論   4.3 ESMCE采樣估計算法設計     4.3.1 ESMCE總體設計     4.3.2 監(jiān)督采樣算法設計     4.3.3 誤差傳播控制   4.4 實驗與性能分析     4.4.1 實驗設計     4.4.2 實驗結果     4.4.3 討論   4.5 小結 第5章  動態(tài)社會網(wǎng)絡的增量式影響最大化算法   5.1 引言   5.2 動態(tài)社會網(wǎng)絡及其相關研究     5.2.1 動態(tài)社會網(wǎng)絡     5.2.2 動態(tài)社會網(wǎng)絡相關研究   5.3 動態(tài)社會網(wǎng)絡演變規(guī)律     5.3.1 社會網(wǎng)絡增長速度     5.3.2 動態(tài)網(wǎng)絡演變模式     5.3.3 節(jié)點影響力同度數(shù)的關系   5.4 增量式影響最大化算法     5.4.1 網(wǎng)絡拓撲變化基本元素     5.4.2 影響值變化量計算     5.4.3 剪枝策略設計   5.5 實驗與性能分析     5.5.1 實驗設置     5.5.2 算法效率比較     5.5.3 算法精度比較     5.5.4 參數(shù)θ調整對效率和精度的影響   5.6 小結 第6章  基于影響最大化的社會網(wǎng)絡低延遲內(nèi)容分發(fā)方法   6.1 引言   6.2 CDN及內(nèi)容分發(fā)方法研究     6.2.1 內(nèi)容分發(fā)網(wǎng)絡框架     6.2.2 內(nèi)容分發(fā)方法研究   6.3 社會信息感知的低延遲內(nèi)容分發(fā)方法     6.3.1 緩存內(nèi)容選擇策略     6.3.2 邊緣服務器選擇策略     6.3.3 緩存時間策略   6.4 實驗與性能分析     6.4.1 實驗模型     6.4.2 實驗結果   6.5 小結 第7章  結束語   7.1 全書工作的總結   7.2 課題研究展望 參考文獻