QuickIM：十亿规模网络上面向影响力最大化的高效、精确且鲁棒算法
社会与信息网络
2018-06-01 v1 数据库
摘要
影响力最大化（IM）问题旨在网络中寻找k个种子顶点，从它们出发影响力可在网络中传播至最大范围。本文中，我们提出QuickIM，这是首个同时具备实用IM算法所有理想特性的通用IM算法，即高时间效率、良好结果质量、低内存占用和高鲁棒性。在真实社交网络上，QuickIM在时间复杂度上达到下界，在空间复杂度上达到下界，其中和分别为网络中的顶点数和边数。我们的实验评估验证了QuickIM的优越性。首先，QuickIM比现有最优IM算法快1至3个数量级。其次，除EasyIM外，QuickIM所需内存比现有最优算法少1至2个数量级。第三，QuickIM产生的结果质量始终与现有最优算法相当。最后，QuickIM的时间和内存性能与影响概率无关。在实验所用最大的、包含超过36亿条边的网络上，QuickIM能够在不到4分钟内找到数百个有影响力的种子，而所有现有最优算法均无法在一小时内终止。
引用
@article{arxiv.1805.12320,
title = {QuickIM: Efficient, Accurate and Robust Influence Maximization Algorithm on Billion-Scale Networks},
author = {Rong Zhu and Zhaonian Zou and Yue Han and Sheng Yang and Jianzhong Li},
journal= {arXiv preprint arXiv:1805.12320},
year = {2018}
}