基于影响力与三明治法的社交网络社区划分
社会与信息网络
2020-07-07 v2
摘要
社区划分是生物网络、社交网络等诸多领域中的一个重要问题。该问题的目标是通过网络拓扑分析数据之间的关系。本文中，我们考虑社交网络在 IC 模型下的社区划分问题。我们将该问题表述为一个组合优化问题，旨在将给定的社交网络划分为互不相交的 M 个社区。其目标是通过在每个社区内最大化影响力传播，来最大化社交网络的影响力传播总和。已有工作表明，面向社区划分问题的影响力最大化（IMCPP）是 NP 难的。我们首先证明 IC 模型下 IMCPP 的目标函数既非子模也非超模。随后构造并证明了超模上界与子模下界，从而可应用三明治框架。我们为上下界问题分别设计了连续贪婪算法与离散实现，且这两个问题的算法均获得 1-1/e 的近似比。我们还设计了一个简单贪婪算法来求解原始目标函数，并将三明治近似框架应用于其上，以保证一个依赖于数据的近似因子。最后，我们在两个真实数据集上评估了我们的算法，清晰地验证了我们的方法在社区划分问题中的有效性，以及我们的方法相对于其他方法的优势。
引用
@article{arxiv.2003.10439,
title = {Influence-based Community Partition with Sandwich Method for Social Networks},
author = {Qiufen Ni and Jianxiong Guo and Chuanhe Huang and Weili Wu},
journal= {arXiv preprint arXiv:2003.10439},
year = {2020}
}
备注
32 pages. arXiv admin note: text overlap with arXiv:2002.08554