基于一般营销策略的分数预算影响最大化
社会与信息网络
2024-07-09 v1 人工智能
数据结构与算法
机器学习
摘要
我们考虑分数影响最大化问题，即识别社交网络中的用户以获得部分折扣，以最大化对网络的影响。所给折扣越大，该用户被激活（采纳新产品或创新）的可能性越高，随后该用户尝试激活其相邻用户，导致网络中的影响级联效应。我们的目标是制定高效算法，分配初始折扣给网络中的用户，以在约束总折扣和为的前提下，最大化最终激活用户的总数。在一般情况下，激活概率可能是折扣的任意单调递增函数，而我们关注的是激活概率是折扣的仿射函数且可能因用户而异的情形。由于该问题被证明为 NP-hard，我们提出并分析了一种高效的 (1-1/e) 近似算法。此外，我们在真实社交网络上进行实验，展示了该方法的性能和可扩展性。
引用
@article{arxiv.2407.05669,
title = {Fractional Budget Allocation for Influence Maximization under General Marketing Strategies},
author = {Akhil Bhimaraju and Eliot W. Robson and Lav R. Varshney and Abhishek K. Umrawal},
journal= {arXiv preprint arXiv:2407.05669},
year = {2024}
}
备注
5 pages, 2 figures, and 1 table