社交活动网络中基于随机游走的影响力度量与最大化
社会与信息网络
2017-01-10 v2
摘要
随着在线社交网络（OSNs）的普及，寻找一组最具影响力的用户（或节点）以触发最大的影响级联具有重要意义。例如，公司可利用“口碑”效应，通过向那些最具影响力的用户提供免费样品/折扣来触发大量的购买级联。该任务通常被建模为影响力最大化问题，并在过去十年中得到广泛研究。然而，考虑到 OSNs 中的用户可能参与各种在线活动（例如对产品评分、加入讨论组等），通过在线活动的影响扩散变得更为重要。本文中，我们通过构建包含用户和在线活动的社交活动网络（SANs）的影响力最大化问题，研究在线活动的影响。为应对计算挑战，我们定义了一种基于随机游走的影响中心性来度量影响，随后使用蒙特卡洛框架来有效估计 SANs 中的中心性。此外，我们开发了一种带两种新颖优化技术的基于贪心的算法，以寻找最具影响力的用户。通过使用真实数据集进行大量实验，我们表明当需要处理大量在线活动时，我们的方法比最先进的算法 IMM[17] 更高效。
引用
@article{arxiv.1602.03966,
title = {Measuring and Maximizing Influence via Random Walk in Social Activity Networks},
author = {Pengpeng Zhao and Yongkun Li and Hong Xie and Zhiyong Wu and Yinlong Xu and John C. S. Lui},
journal= {arXiv preprint arXiv:1602.03966},
year = {2017}
}
备注
19 pages