受竞争对手干扰时的影响力收益综合评估
社会与信息网络
2021-05-31 v1
摘要
影响力最大化（IM）是一个经典且已被广泛研究的代表性问题。由 IM 问题衍生出的最重要应用是病毒式营销。作为推广者，我们希望从给定社交网络中的影响力传播获取收益，其中每个被影响（激活）的用户都关联一份收益。然而，在同一社交网络中，往往同时存在由竞争对手发起的竞争性信息传播。考虑这样一种场景：一个用户同时被我的信息和竞争对手的信息所影响。此时，来自该用户的收益应被削弱到一定程度。如何量化这种削弱程度？基于此，我们提出了一个影响力收益综合评估（OEBI）问题。我们证明了 OEBI 问题的目标函数既非单调，也非次模，亦非超模。幸运的是，我们可以将该目标函数分解为两个次模函数之差，并采用模-模过程对其进行近似，且具有数据依赖的近似保证。由于精确计算目标值存在困难，我们利用反向影响采样的思想设计了一组无偏估计器，这能在不损失近似比的前提下显著提高时间效率。最后，在真实数据集上的数值实验验证了我们方法在性能和效率两方面的有效性。
引用
@article{arxiv.2007.01519,
title = {Overall Evaluations on Benefits of Influence When Disturbed by Rivals},
author = {Jianxiong Guo and Yapu Zhang and Weili Wu},
journal= {arXiv preprint arXiv:2007.01519},
year = {2021}
}