时间传播网络中受影响顶点的预测

　　受影响顶点预测是信息传播研究的一个基本问题，在广告推荐、流行病预测和社交网络的信息传播等研究中都有广泛的应用。对于广告商而言，在广告发布后需要获知被该广告影响的用户，从而进行广告评估，制定营销策略。在流行性疾病和计算机病毒传播中，需要快速确认并处理感染者，从而控制病毒传播。但由于信息传播具有随机性和不确定性，有效预测出受影响者较为困难，因此本文将受影响顶点预测与顶点状态验证相结合来预测发现受影响顶点，从而确定信息的扩散范围。但顶点状态验证需要对顶点的属性进行分析，这会耗费大量计算资源，且在许多应用中允许的验证次数往往是有限的。

　　本文研究时间传播网络（ Temporal Diffusion　Network．TDN）中受影响顶点的预测问题。首先给出受影响顶点预测问题的形式化定义，然后设计基于顶点受影响概率的启发式预测算法IPH，并在此基础上，结合广度优先遍历（ Breath First Search，BFS）顶点选择策略进一步提出相邻顶点受影响概率启发式预测算法AIPH，最后在模拟数据集和真实数据集上进行实验。