在线社交网络已经融入了人们的生活，网络已经成为了传播信息的理想平台，然而商家的推荐信息的传播效果却不佳。因此，研究信息发布策略，让正面信息得到更好宣传具有重大意义。本文通过最大化用户之间净正面交互信息量，研究带符号在线社交网络中节点选择策略。给定带符号在线社交网络G=（V，E，X，P，C），每条边e∈E上有边的符号x∈X与传播概率P∈p。C为用户之间的信息量交互强度，在线社交网络中净正面信息量最大化问题就是从节点集V中选取包含k个节点的种子集S与其赋值函数F:S→{+，-}，使得传播结束时网络中的正面信息量减去负面信息量的差值最大。证明了该问题是NP-困难的，其目标函数的计算是#P-困难的。其次，证明了由于信息的组合效应，导致该问题既不是次模的也不是超模的。然后，根据传播特性提出了传播路径的构造方法和路径收益的近似计算方法，从而将问题构造为单调次模的正面信息量函数的求解。再次，设计了一种高效的最大覆盖贪婪算法来解决带符号网络中净正面信息量最大化问题。最后，在真实网络中进行实验，验证了所提出的算法优于其他方法，发现了传播人数与传播效果并不对等这一现象。
戴佳伶, 朱建明, 王国庆, 黄钧. 带符号在线社交网络中净正面交互信息量最大化问题研究[J]. 中国管理科学.(网络首发)
