一种 k-hop 协作博弈模型：推广至社区预算与自适应非子模性
社会与信息网络
2022-06-08 v1 计算机科学与博弈论
摘要
收益最大化（RM）是在线社交网络（OSN）上最重要的问题之一，旨在寻找 OSN 中一小部分用户使期望收益最大化。此前已有大量研究。然而，大多数现有文献基于非自适应种子策略与简单的信息扩散模型，如 IC/LT 模型，并将单个受影响用户作为量化收益的度量单位。直到协作博弈模型出现，其将活动作为计算收益的基本对象：由用户发起的活动仅能影响距发起者 k-hop 以内的那些用户。基于此，我们采用自适应种子策略并形式化了规模预算下的收益最大化（RMSB）问题。若考虑产品推广，我们将 RMSB 推广至社区预算下的收益最大化（RMCB）问题，其中影响可分布于整个网络。RMSB 与 RMCB 的目标函数是自适应单调且非自适应子模的，但在某些特殊情况下是自适应子模的。我们研究了特殊子模情形与一般非子模情形下的 RMSB 与 RMCB 问题，并分别提出 RMSBSolver 与 RMCBSolver 以具有强理论保证地求解。特别地，我们给出了一般非子模情形下 RMSB 问题的数据相关近似比。最后，我们在真实数据集上通过实验评估所提算法，展示了我们解的有效性与准确性。
引用
@article{arxiv.2004.00893,
title = {A k-hop Collaborate Game Model: Extended to Community Budgets and Adaptive Non-Submodularity},
author = {Jianxiong Guo and Weili Wu},
journal= {arXiv preprint arXiv:2004.00893},
year = {2022}
}