在线社交网络中谣言阻断的一种高效随机算法

社交网络允许思想和创新快速传播，而负面信息也可能广泛扩散。当持有不同观点的级联到达同一用户时，最先到达的级联最有可能被该用户接受。因此，一旦检测到错误信息或谣言，一种自然的遏制方法是引入一个与谣言竞争的正面级联。给定预算 $k$，谣言阻断问题要求选取 $k$ 个种子用户来触发正面级联的传播，从而最大化未被谣言影响的用户数量。先前的研究表明，结合蒙特卡洛模拟的经典贪心算法可以在 $O(\frac{k^3mn\ln n}{\delta^2})$ 的运行时间内实现 $(1-1/e-\delta)$ 的近似保证，其中 $n$ 和 $m$ 分别为用户数和边数。遗憾的是，基于蒙特卡洛模拟的方法极其耗时，现有算法要么以性能保证换取实际效率，要么反之。本文提出了一种随机算法，其期望运行时间为 $O(\frac{km\ln n}{\delta^2})$，并以高概率提供 $(1-1/e-\delta)$ 近似。在真实世界和合成社交网络上的实验结果表明，所提出的随机谣言阻断算法比最先进的方法高效得多，并且能找到有效限制谣言传播的种子节点。