具有短视反馈的自适应影响力最大化
社会与信息网络
2019-05-29 v1
摘要
我们研究独立级联模型下具有短视反馈的自适应影响力最大化问题：从社交网络中逐一顺序选取k个节点作为种子，每个被选中的种子返回其激活的 immediate 邻居作为后续选取可用的反馈，目标是最大化总激活节点数的期望值，称为影响传播。我们表明，自适应间隙（最优自适应影响传播与最优非自适应影响传播之比）至多4且至少e/(e-1)，且非自适应贪心与自适应贪心算法相对于最优自适应影响传播两者的近似比至少\frac{1}{4}(1 - \frac{1}{e})且至多\frac{e^2 + 1}{(e + 1)^2} < 1 - \frac{1}{e}。此外，在考虑所有图时，非自适应贪心算法的近似比不差于自适应贪心算法。我们的结果确认了 Golovin 和 Krause (2011) 关于具有短视反馈的自适应贪心常数近似比的长期开放猜想，并且也表明在短视反馈下自适应贪心可能不会带来太多益处。
引用
@article{arxiv.1905.11663,
title = {Adaptive Influence Maximization with Myopic Feedback},
author = {Binghui Peng and Wei Chen},
journal= {arXiv preprint arXiv:1905.11663},
year = {2019}
}