通过顶点阻断最小化错误信息的传播影响
数据库
2023-02-28 v1 社会与信息网络
摘要
在线社交网络中的信息级联可能具有相当的负面效应，例如谣言的传播可能引发恐慌。为了以有效且高效的方式限制错误信息的传播影响，文献中研究了影响最小化（IMIN）问题：给定一个图 G 和一个种子集合 S，至多阻断 b 个顶点，使得该种子集合的影响传播最小化。在本文中，我们首次证明 IMIN 问题是 NP-hard 且难以近似的。由于该问题的困难性，现有工作求助于贪心解法并使用蒙特卡洛模拟（Monte-Carlo Simulations）来求解。然而，它们在大规模图上的代价过高，因为它们必须枚举所有候选阻断点，并在阻断每一个时计算期望传播量的减少值。为了提高效率，我们提出了 AdvancedGreedy 算法（AG），该算法基于一种应用支配树（dominator tree）结构的新图采样技术，能够一次性计算所有候选阻断点的期望传播减少量。此外，我们通过考虑候选阻断点之间的关系进一步提出了 GreedyReplace 算法（GR）。在 8 个真实图上的大量实验表明，我们的 AG 和 GR 算法比最先进的（SOTA）算法快多达 6 个数量级，并且 GR 能在时间开销接近 AG 的同时取得更好的效果。
引用
@article{arxiv.2302.13529,
title = {Minimizing the Influence of Misinformation via Vertex Blocking},
author = {Jiadong Xie and Fan Zhang and Kai Wang and Xuemin Lin and Wenjie Zhang},
journal= {arXiv preprint arXiv:2302.13529},
year = {2023}
}
备注
The paper will appear in ICDE 2023