用于改进社交网络影响力传播表征的复合中心性度量
社会与信息网络
2020-04-02 v1 物理与社会
摘要
影响力最大化（Influence Maximization, IM）旨在寻找社交网络中最具影响力的用户，即在特定传播模型下使观点传播范围最大的用户。已有研究考察了影响力传播与节点中心性度量之间的相关性，以规避代价更高的 IM 仿真。结果虽有前景但不完整，因为这些研究仅在受限设定下（例如无向/无权网络中和/或采用 IM 中较少见的传播模型）考察了中心性度量识别有影响力用户的能力（即性能）。本文中，我们首先表明，在无权无向网络下 Susceptible-Infected-Removed（SIR）传播模型中表现良好的结果，未必能迁移至流行的独立级联（Independent Cascade, IC）传播模型下的有向或加权网络。随后，我们识别出一组在 IC 模型下对加权与有向网络具有良好性能的中心性度量。我们的主要贡献是将这些中心性度量以闭式公式复合以取得更优结果的一种新方法。此外，我们还用所提出的复合中心性度量扩展了引力中心性（gravitational centrality, GC）。我们在 50 个真实数据集上的实验表明，我们提出的中心性度量显著优于知名的中心性度量以及最先进的 GC 度量。社交网络，影响力最大化，中心性度量，IC 传播模型，有影响力传播者
引用
@article{arxiv.2003.05254,
title = {Combined Centrality Measures for an Improved Characterization of Influence Spread in Social Networks},
author = {Mehmet Simsek and Henning Meyerhenke},
journal= {arXiv preprint arXiv:2003.05254},
year = {2020}
}