竞争线性阈值模型下社交网络中的影响力阻断最大化技术报告
社会与信息网络
2011-10-24 v1 物理与社会
摘要
在许多现实场景中，不同且往往对立的观点、创新或产品在网络化社会中相互竞争其社会影响力。本文研究了竞争线性阈值（CLT）模型下的社交网络竞争影响力传播，该模型是经典线性阈值模型的扩展。在CLT模型下，我们关注一个问题：一个实体通过策略性地选择若干种子节点以启动自身影响力传播，从而尽可能阻断其竞争实体的影响力传播。我们将此问题称为影响力阻断最大化（IBM）问题。我们证明了CLT模型中IBM的目标函数是子模的，因此贪心算法可以达到1-1/e的近似比。然而，贪心算法需要蒙特卡洛模拟竞争影响力传播，这使得算法效率不高。我们设计了一种利用CLT模型性质的高效算法CLDAG来解决此问题。我们在真实和合成数据集上对CLDAG、贪心算法及其他基线算法进行了广泛模拟。结果表明，CLDAG在精度上与贪心算法相当，且通常优于其他算法，同时其速度比贪心算法快两个数量级。
引用
@article{arxiv.1110.4723,
title = {Influence Blocking Maximization in Social Networks under the Competitive Linear Threshold Model Technical Report},
author = {Xinran He and Guojie Song and Wei Chen and Qingye Jiang},
journal= {arXiv preprint arXiv:1110.4723},
year = {2011}
}
备注
Full version technical report of Paper "Influence Blocking Maximization in Social Networks under the Competitive Linear Threshold Model" which has been submitted to SDM2012. 14 pages