PHEE：一种用于识别社交网络中影响力用户的分阶段混合评估增强方法
社会与信息网络
2022-06-07 v1
摘要
为了在社交网络中由某少量 k 个节点引发的影响力传播最大化，我们需要找出具有最佳影响其余节点能力的 k 个节点子集（即种子集）。这一影响力最大化（IM）问题应用广泛，属于子集问题，且为 NP 难。为解决该问题，我们理论上需检验所有种子集并评估其影响力传播，这十分耗时。因此，通常采用元启发式策略在合理时间内获得较好的种子集。我们观察到，许多 IM 问题算法在整个解搜索过程中仅采用单一机制，当算法陷入局部最优时缺乏应对措施。为此，我们提出一种用于 IM 的分阶段混合评估增强（PHEE）方法，利用两种不同搜索策略来增强最优解的搜索：一种随机化区间划分进化（RandRDE）算法以提升解质量，以及一种快速收敛策略。我们的方法在 10 个不同类型与规模的真实社交网络上进行了评估。实验结果表明，与三种最先进（SOTA）算法相比，我们的算法高效且在所有数据集上获得了最佳影响力传播，在四个数据集上优于耗时的 CELF 算法，且仅在两个网络上表现不如 CELF。
引用
@article{arxiv.2206.01970,
title = {PHEE: A phased hybrid evaluation-enhanced approach for identifying influential users in social networks},
author = {Enqiang Zhu and Haosen Wang and Yu Zhang and Kai Zhang and Chanjuan Liu},
journal= {arXiv preprint arXiv:2206.01970},
year = {2022}
}