社交网络中商业广告的计算模型
社会与信息网络
2021-03-23 v1 物理与社会
摘要
识别网络中值得关注的传播者对于理解传播过程和控制信息在网络中的传播范围至关重要。由于病毒式营销、控制谣言传播或更好地理解疾病传播等各种应用的需求，那些具有更强内在能力以扩大传播范围的节点十分重要。作为病毒式营销的一种应用，在固定预算下最大化传播范围是广告业务中的基本需求。分发固定数量的促销物品以最大化病毒式传播范围可利用影响者检测方法。为检测此类“影响者”节点，存在局部度量（如度中心性，多用作入度中心性）或全局度量（如 k-shell 分解或特征向量中心性）。所有这些方法都能对图进行排序，但均有局限性，该领域至今仍无事实上的影响者检测方法。本文提出一种扩展的 k-shell 算法，利用网络的拓扑特征更好地运用 k-shell 分解来识别病毒式传播节点。我们使用易感-感染-恢复（SIR）模型在真实网络中进行传播过程仿真，仿真表明在相同网络、相同数量初始传播者下，我们的方法可触达多达 36% 更大的群体。
引用
@article{arxiv.1904.13198,
title = {Computational Models for Commercial Advertisements in Social Networks},
author = {Samet Atdag and Haluk O. Bingol},
journal= {arXiv preprint arXiv:1904.13198},
year = {2021}
}