一种在受 persuasion 易感性变化受限下的意见优化投影梯度法

许多社会现象是由个体间意见交换过程中形成的舆论所触发的。迄今为止，从工程角度看，已有大量研究致力于探讨如何操纵个体意见以引导舆论朝向期望状态。最近，Abebe 等人（KDD 2018）开创了在易感性层面进行干预的研究，而非直接修改个体意见本身的干预。针对该模型，Chan 等人（The Web Conference 2019）设计了一种局部搜索算法，以在多项式时间内求得最优解。然而可以看出，通过上述模型求解所得的解在现实场景中未必能够实施。事实上，由于未考虑易感性变化量，依据该解改变个体的易感性值代价过高。本文研究一种能够以多种形式限制易感性变化量的意见优化模型。首先，我们引入一种新颖的意见优化模型，其中初始易感性值作为额外输入给出，可行域由以初始易感性向量为中心的 $\ell_p$ 球定义。针对所提模型，我们设计了一种适用于包含数百万个体的投影梯度法。最后，我们利用多种真实世界社交网络进行了充分实验，表明所提算法优于基线方法。