公平影响力最大化：一种福利优化方法

一些行为、社会和公共卫生干预措施，例如自杀/HIV预防或社区应对自然灾害的准备，利用社交网络信息来最大化外展效果。算法影响力最大化技术已被提出，以帮助在此类干预中选择“同伴领袖”或“影响者”。然而，传统的影响力最大化算法在设计时并未考虑这些干预措施。因此，它们可能不成比例地将少数群体排除在干预的益处之外。这激发了对公平影响力最大化的研究。现有技术存在两个主要缺点。首先，它们要求承诺使用单一的公平性度量。其次，这些度量通常作为严格的约束条件施加，导致诸如资源浪费等不良特性。为了解决这些不足，我们提供了一个原则性的描述，说明一个公平影响力最大化算法应满足的性质。特别是，我们提出了一个基于社会福利理论的框架，其中每个社区获得的基数效用使用等弹性社会福利函数进行聚合。在此框架下，公平与效率之间的权衡可以通过一个单一的不平等厌恶设计参数来控制。然后，我们展示了在何种情况下我们提出的原则可以被一个福利函数满足。由此产生的优化问题是单调且子模的，可以高效求解并具有最优性保证。我们的框架包含了词典最小和比例公平作为特例。在合成数据集和真实世界数据集上的大量实验，包括一个关于滑坡风险管理的案例研究，证明了所提出框架的有效性。