增量图计算：动态社交网络中的锚定顶点追踪
社会与信息网络
2022-08-23 v3
摘要
在理解众多在线社交网络平台中社群的衰退与扩张方面，用户参与度近期受到显著关注。当用户选择离开社交网络平台时，可能会在她的朋友中引发连锁退出。在许多场景下，说服关键用户保持活跃并防止此类级联是明智之举，因为关键用户会对整个网络的用户参与度产生显著影响。已有诸多用户参与度研究致力于在静态社交网络中寻找一组关键（锚定）用户。然而，社交网络高度动态且结构持续演化。为充分释放锚定用户在演化网络中的效用，现有研究不得不在不同时间点反复挖掘多组锚定用户，带来高昂计算成本。为更好理解演化网络中的用户参与度，本文提出一个名为锚定顶点追踪(AVT)的新研究问题，旨在追踪演化网络各时间步上的锚定用户。尽管如此，处理已被证明为 NP-hard 的 AVT 问题并非易事。为应对该挑战，我们受静态网络中锚定 k-core 研究启发开发了贪心算法。此外，我们利用网络结构演化的平滑性设计了增量算法以高效求解 AVT 问题。在真实与合成数据集上的大量实验证明了我们所提算法的性能及求解 AVT 问题的有效性。
引用
@article{arxiv.2105.04742,
title = {Incremental Graph Computation: Anchored Vertex Tracking in Dynamic Social Networks},
author = {Taotao Cai and Shuiqiao Yang and Jianxin Li and Quan Z. Sheng and Jian Yang and Xin Wang and Wei Emma Zhang and Longxiang Gao},
journal= {arXiv preprint arXiv:2105.04742},
year = {2022}
}
备注
The manuscript has been accepted by IEEE Transactions on Knowledge and Data Engineering (TKDE)