基于独立级联的影响最大化中种子节点重选的行为分析

影响最大化是病毒式营销和活动广告等各种社交网络活动的主要目标。用于影响传播的独立级联模型假设每个激活节点只有一次机会去影响其邻居。这一合理假设不能被绕过，否则由边权重建模的节点影响概率将会改变。另一方面，手动激活的种子集节点可以在不违反模型参数或假设的情况下被重选。重选种子集节点 simply 意味着向先前已付费的节点支付额外预算，以便其重新尝试对未受影响的邻居发挥影响力。这种观点将影响最大化过程分为两种情况：不考虑节点重选的简单情况和重选情况。在本研究中，我们将分析真实世界网络在这两种影响最大化情况差异上的行为。首先，我们将表明简单情况与重选情况之间的差异构成了一个广泛的网络谱系，从重选独立型网络（重选情况相对于简单情况没有明显优势）到重选友好型网络（重选情况下的影响传播是简单情况的两倍）。然后，我们将这种动态与网络的其他影响最大化动态相关联。最后，实验展示并验证了这种动态与网络结构之间存在显著的纠缠。换言之，指定了一系列网络结构条件，其满足与否是重选友好型网络的标志。由于这种纠缠，无需执行耗时的影响最大化算法即可识别重选友好型网络。