影响力最大化的快速且空间高效的并行算法

影响力最大化（IM）是数据科学中的一个关键问题。其目标是在网络上找到固定大小的高影响力种子顶点集合，以沿边最大化影响传播。尽管在常用扩散模型上IM是NP难的，但贪心算法可达到$(1-1/e)$近似，反复选择边际影响增益最高的顶点作为种子。由于理论保证，大量文献聚焦于提升贪心算法的性能。为估计边际增益，已有工作要么运行影响传播的蒙特卡洛（MC）模拟，要么预存储数百个草图（通常为每顶点信息）。然而，这些方法在时间（MC模拟）或空间（存储草图）上效率低下，阻碍了相关思路扩展到当今的大规模图。本文利用两项关键技术显著提升了IM的可扩展性。第一项是无向图上独立级联模型的草图压缩技术，它允许结合模拟与草图方法以实现时间-空间权衡。第二项技术包含用于并行种子选择的新数据结构。利用这些新方法，我们实现了PaC-IM：并行且压缩的IM。我们在配备1.5TB内存的96核机器上将PaC-IM与最先进的并行IM系统进行比较。PaC-IM能在约2小时内处理多达9亿顶点和740亿边的大规模图。在所有测试图上的平均值表明，我们的未压缩版本比现有并行IM系统快5–18$\times$且空间效率高约1.4$\times$。使用压缩进一步节省3.8$\times$空间，平均仅增加70%时间开销。