站在巨人肩上：演化社交网络中的增量影响力最大化
社会与信息网络
2015-08-06 v1 物理与社会
摘要
识别最具影响力的个体能为开发和部署有效的病毒式营销策略提供宝贵帮助。以往研究主要集中于设计高效算法或启发式方法，以在给定静态社交网络上找到Top-K有影响力的节点。然而，现实世界中的社交网络随时间不断演化，对变化后的网络重新计算不可避免地导致较长运行时间，严重影响效率。本文从真实轨迹中观察到，社交网络的演化遵循优先连接规则，且有影响力的节点主要从高度数节点中选出。这些观察启发了IncInf的设计，这是一种增量方法，可基于先前信息而非从头计算，在演化社交网络中高效定位Top-K有影响力的个体。具体而言，IncInf通过将拓扑演化的影响局部化到仅局部区域，定量分析节点的影响力传播变化，并进一步提出剪枝策略，将搜索空间有效缩小至经历大幅增长或具有高度数的节点。我们在包括Facebook、NetHEPT和Flickr在内的真实动态社交网络上进行了大量实验。实验结果表明，与最先进（state-of-the-art）的静态启发式方法相比，IncInf在执行时间上实现了高达21倍的加速，同时在影响力传播方面保持相当的性能。
引用
@article{arxiv.1508.00987,
title = {On the Shoulders of Giants: Incremental Influence Maximization in Evolving Social Networks},
author = {Xiaodong Liu and Xiangke Liao and Shanshan Li and Jingying Zhang and Lisong Shao and Chenlin Huang and Liquan Xiao},
journal= {arXiv preprint arXiv:1508.00987},
year = {2015}
}