社交网络中影响资源受限的个体
社会与信息网络
2017-02-08 v2 物理与社会
摘要
我们在社交网络中识别有影响力的早期采纳者，其中个体受到资源约束，以最大化多种高代价行为的传播。该问题的解决方案对于病毒式营销尤为重要。社交网络中影响力最大化问题由于计算上难以处理而具有挑战性。我们做出三点贡献。第一，提出一种集体行为新模型，该模型结合了个体意图、对邻居行为的认知以及资源约束。第二，我们证明多行为影响力最大化是NP难的。此外，我们证明该问题具有子模性，意味着存在一种贪婪解可在常数因子内近似最优解。然而，由于贪婪算法在大型网络上代价高昂，我们提出高效的启发式方法来识别有影响力的个体，包括将行为分配给不同早期采纳者的启发式方法。我们在合成和真实世界拓扑上测试了我们的方法，取得了优异结果。我们根据三个指标评估有效性：参与者唯一数量、活跃行为总数以及网络资源利用率。我们的启发式方法相比朴素方法在预期资源利用率上提升了15-51%。
引用
@article{arxiv.1602.06657,
title = {Influencing Busy People in a Social Network},
author = {Kaushik Sarkar and Hari Sundaram},
journal= {arXiv preprint arXiv:1602.06657},
year = {2017}
}