通过度中心性、介数中心性、紧度中心性及Pagerank四种标准对作者进行排序
针对影响最大化问题, 基于中心性分析实验了几种算法

• 数据集来自: aminer
  总共包含了2007-2009年之间数据挖掘领域发表在SIGKDD、ICDM、CIKM三个主要会议上的论文作者合作关系，共计6394个作者、12454条合作关系
  
• 开源工具: 斯坦福SNAP
  安装教程：http://blog.csdn.net/kbawyg/article/details/8235755
  
• 参考文献：
   [1] W.Chen, Y.Wang, and S.Yang. Efficientinfluence maximization in social networks. In Proceedings of the 15th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, 2009.
  [2] D.Kempe, J.M.Kleinberg, and É.Tardos. Maximizing the spread of influence through a social network. In Proceedings of the 9th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, pages 137–146, 2003.
  [3] J.Tang, J.Sun, C.Wang, and Z.Yang. Social influence analysis in large-scale networks. In Proceedings of the 15th ACM SIGKDD Conferenceon Knowledge Discovery and Data Mining,2009.
  

————————————————————————————————————————

Data_Processing.py 是数据预处理过程，需在其他程序执行前首先执行

————————————————————————————————————————

Centrality_Analysis.py 是中心性分析及Pagerank的分析

————————————————————————————————————————

Degree.py Betweenness.py Closeness.py Pagerank.py 是4种基于中心性分析的启发式算法(python)
NewGreedy.py SingleDiscount.py DegreeDiscount.py 是[3]中提到的3种算法(python)

————————————————————————————————————————

plot_Influence.m 是作图的代码(MATLAB)

###实验结果