通过修改内部意见来最大化社交网络中的意见
社会与信息网络
2026-03-12 v1 数据结构与算法
摘要
社交网络中的公共意见治理对于公共卫生活动、政治选举和商业营销至关重要.本文解决了通过战略性地修改关键节点的内部意见来最大化社交网络中整体意见的问题.传统的矩阵求逆方法计算成本极高,促使我们提出两种高效的基于抽样的算法.此外,我们发展了一个确定性异步算法,通过异步更新操作和逐步细化,精确识别最优节点集合,确保效率与精度.大量实验在真实数据集上表明,我们的方法优于基线方法.值得注意的是,我们的异步算法在所有情形下都实现了卓越的效率和准确性,即使在包含数百万节点的网络中也是如此.
引用
@article{arxiv.2510.17226,
title = {Opinion Maximization in Social Networks by Modifying Internal Opinions},
author = {Gengyu Wang and Runze Zhang and Zhongzhi Zhang},
journal= {arXiv preprint arXiv:2510.17226},
year = {2026}
}
备注
Accepted by NeurIPS 2025