预算约束下的在线影响力最大化
机器学习
2026-04-22 v1 机器学习
摘要
我们引入了一种新的预算约束在线影响力最大化框架，考虑广告活动的总成本，而非对所选影响者集合的常见基数约束。我们的方法更好地建模了真实世界场景，其中影响者的成本各不相同，广告商希望在其整体社交广告预算下寻找最佳性价比。我们提出了一种基于独立级联扩散模型和边级半老虎机反馈的算法，并提供了理论和实验结果。我们的分析同样适用于基数约束设置，并在此情况下改进了当前最优的遗憾界。
引用
@article{arxiv.2604.19672,
title = {Budgeted Online Influence Maximization},
author = {Pierre Perrault and Jennifer Healey and Zheng Wen and Michal Valko},
journal= {arXiv preprint arXiv:2604.19672},
year = {2026}
}
备注
37th International Conference on Machine Learning (ICML 2020), 28 pages