推断信息级联的底层结构
社会与信息网络
2012-10-15 v1 人工智能
物理与社会
摘要
在社交网络中，信息和影响力以级联形式在用户间扩散。虽然研究级联的重要性已在各种应用中得到认可，但在实践中很难观察到级联的完整结构。此外，关于如何基于部分观测推断级联的知识知之甚少。在本文中，我们研究了遵循独立级联模型的级联推断问题，并提供了从复杂性到算法的完整处理：(a) 我们提出了一致树的概念作为级联的推断结构；这些树通过满足观测时间信息约束的路径连接源节点和观测节点。(b) 我们引入了衡量一致树作为推断级联可能性的指标，以及寻找它们的几个优化问题。(c) 我们表明，一致树的判定问题通常是 NP 完全的，且优化问题难以近似。(d) 我们提供了具有推断级联质量保证的近似算法以及启发式方法。我们利用真实数据和合成数据在实验上验证了推断算法的效率和有效性。
引用
@article{arxiv.1210.3587,
title = {Inferring the Underlying Structure of Information Cascades},
author = {Bo Zong and Yinghui Wu and Ambuj K. Singh and Xifeng Yan},
journal= {arXiv preprint arXiv:1210.3587},
year = {2012}
}
备注
The extended version of the paper "Inferring the Underlying Structure of Information Cascades", to appear in ICDM'12