面向固定异质阈值的社交影响最大化

影响最大化（Influence Maximization）是在网络中选取最优影响者集合的 NP 难问题。本文基于两种差异显著的度量指标，提出两种新的影响最大化方法。第一种度量称为平衡指数（Balanced Index, BI），计算速度快，并将最高值赋予两类节点：一类是对采纳具有高抵抗力的节点，另一类是具有较大出度的节点。这是通过将节点的三个属性——其度、对新观点的易感性、以及其激活对其邻域的影响——进行线性组合实现的。控制这三项之间的权重对性能有巨大影响。第二种度量称为群体表现指数（Group Performance Index, GPI），衡量每个节点作为发起者集合（随机选取）成员时的表现。在每次这样的选取中，分配给每个队友的分数与导致期望传播所需的发起者数量成反比。这两种度量适用于多种级联模型；本文在阈值固定且已知的线性阈值模型（Linear Threshold Model）上进行了测试。此外，我们研究了网络度同配性（degree assortativity）和阈值分布对我们所提度量等指标的级联规模的影响。结果表明，我们的两种度量在影响最大化中表现出强劲性能。