社交影响力最大化中的种子与受众多样化

影响力最大化（IM）已被广泛研究以改进病毒式营销。然而，以往工作较少关注受众在不同社区中受影响的均衡程度，以及种子节点的选取多样性。在本文中，我们将受众多样性和种子多样性纳入IM任务。从模型角度，为了在我们的目标函数中刻画影响力传播与多样性，我们采用了经济学中三种常用的效用函数（即完全替代、完全互补和Cobb-Douglas）。我们通过展示这些函数的良好性质来验证对这三者的选择。从算法角度，我们提出了多种近似策略以最大化这些效用。在受众多样化中，我们提出了一种依赖解的近似算法以规避困难性结果。在种子多样化中，我们基于非单调子模最大化证明了(1/e-ε)的近似比。实验结果表明，我们的框架在效用最大化和结果多样化方面均优于其他自然启发式方法。