用于发现社交网络中植入影响节点的凸松弛方法
最优化与控制
2013-07-16 v1 社会与信息网络
物理与社会
摘要
我们考虑社交网络中的影响力最大化问题。我们专注于社交网络为有向二分图的情形，其弧连接发送者与接收者。我们同时考虑确定性网络和概率图模型（即所谓的“级联”模型）的情形。该问题旨在为给定整数 寻找最具影响力的 个发送者集合。尽管该问题是 NP 难的，但 Kempe、Kleinberg 和 Tardos 提出了一种多项式时间近似算法。在本文中，我们考虑该问题的凸松弛方法。我们证明，当网络是根据一种生成模型构建时（该模型中植入了影响节点，但随后被噪声掩盖），凸优化可以恢复精确的最优解。我们还通过计算演示了凸松弛在一种更为现实的称为“森林火灾”模型的生成模型上也能取得成功。
引用
@article{arxiv.1307.4047,
title = {Convex relaxation for finding planted influential nodes in a social network},
author = {Lisa Elkin and Ting Kei Pong and Stephen Vavasis},
journal= {arXiv preprint arXiv:1307.4047},
year = {2013}
}