独立级联模型中影响力的非回溯界
社会与信息网络
2017-06-30 v2 计算复杂性
信息论
math.IT
概率论
机器学习
摘要
本文发展了网络中影响力度量的上界和下界，更确切地说，是在独立级联模型中一个种子集能够影响的节点期望数量的上下界。具体而言，我们的界利用了非回溯游走、Fortuin-Kasteleyn-Ginibre (FKG) 型不等式，并通过消息传递实现来计算。非回溯游走最近在社区检测方面取得了进展，而本文表明它们的使用也能影响影响力计算。此外，我们提供了一个调节参数来控制界的效率与精度之间的权衡。最后，通过各种网络模型上的仿真说明了界的紧致性。
引用
@article{arxiv.1706.05295,
title = {Nonbacktracking Bounds on the Influence in Independent Cascade Models},
author = {Emmanuel Abbe and Sanjeev Kulkarni and Eun Jee Lee},
journal= {arXiv preprint arXiv:1706.05295},
year = {2017}
}