衡量影响对个体的作用：量化态度的路线图
社会与信息网络
2020-10-27 v1
摘要
影响扩散一直是社交网络中信息传播研究的核心，其中影响通常被建模为实体的二元属性：受影响或不受影响。我们引入态度的概念，正如社会心理学中所描述的，态度是实体受信息影响的程度。我们提出一个量化社交网络中影响程度（即个体态度）的信息扩散模型。基于该模型，我们形式化并研究态度最大化问题。我们证明计算态度的函数是单调且子模的，且态度最大化问题是 NP-Hard 的。我们提出一种具有 近似保证的贪心最大化算法。利用同一模型，我们还引入“可操作”态度的概念，旨在研究那些获得高态度个体比最大化整个网络态度更为重要的场景。我们表明，计算可操作态度的函数不同于计算态度的函数，是非子模的，但却是近似子模的。我们提出网络中最大化可操作态度的近似算法。我们通过实验评估了我们的算法，并研究了网络中节点态度的经验性质，如高态度节点的空间与取值分布。
引用
@article{arxiv.2010.13304,
title = {Measuring the Impact of Influence on Individuals: Roadmap to Quantifying Attitude},
author = {Xiaoyun Fu and Madhavan Rajagopal Padmanabhan and Raj Gaurav Kumar and Samik Basu and Shawn Dorius and Pavan Aduri},
journal= {arXiv preprint arXiv:2010.13304},
year = {2020}
}
备注
13 pages, To appear in the proceedings of the 2020 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM)