具有朋友与敌对关系的社会网络中的影响扩散动力学与影响力最大化

由于对实现有效的在线病毒式营销的影响，大规模在线社交网络（OSNs）中的影响扩散与影响力最大化已被广泛研究。现有研究仅关注仅含友谊关系的社会网络，而完全忽略了存在于许多 OSNs（如 Epinions 和 Slashdot）中的常见敌对或敌意关系。在本文中，我们首次尝试研究同时包含朋友与敌对关系的 OSNs 中的影响扩散与影响力最大化，这些关系在符号网络中使用正边和负边进行建模。特别地，我们将经典的选民模型扩展至符号网络，并分析了两种对立观点的影响扩散动力学。我们首先对该模型中影响扩散的短期与长期动力学进行了系统性刻画，并阐明了该动力学的稳态行为取决于三种图结构，我们分别称之为平衡图、反平衡图和严格不平衡图。随后，我们将所得结果应用于解决影响力最大化问题，并开发了高效算法来选择一种观点的初始种子节点，以最大化其短期影响覆盖范围或长期稳态影响覆盖范围。在合成网络与真实世界网络（如 Epinions 和 Slashdot）上的大量仿真结果，证实了我们对影响扩散动力学的理论分析，并展示了我们的影响力最大化算法相较于其他启发式算法的有效性。