影响传播的因果推断——独立级联模型的可识别性
社会与信息网络
2021-12-10 v2
摘要
独立级联 (IC) 模型是一种广泛用于社交网络的影响传播模型。本文将因果推断的概念与技术引入，研究带有未观测混杂因素的扩展 IC 模型从观测数据中识别参数的可识别性，该模型刻画了更现实的传播场景，但在影响传播建模中此前鲜有研究。我们给出了若干特殊结构（包括马尔可夫 IC 模型、半马尔可夫 IC 模型以及带有全局未观测变量的 IC 模型）参数可识别或不可识别的条件。参数可识别性对于其他任务（如具有未观测混杂因素的扩散网络下的影响力最大化）十分重要。
引用
@article{arxiv.2107.04224,
title = {Causal Inference for Influence Propagation -- Identifiability of the Independent Cascade Model},
author = {Shi Feng and Wei Chen},
journal= {arXiv preprint arXiv:2107.04224},
year = {2021}
}
备注
24 pages, 5 figures