动态社交流上的实时影响最大化

影响最大化（IM）通过选取一组 $k$ 个用户（称为种子）来最大化社交网络上的影响传播，是病毒式营销和网络监控等广泛应用中的基本问题。现有 IM 解决方案未能考虑社交影响的高度动态性，导致在网络演化时种子质量差或处理时间长。为解决该问题，我们定义了社交流上一种名为流影响最大化（SIM）的新型 IM 查询。技术上，SIM 采用滑动窗口模型，并维护一组在最近社交动作上具有最大影响值的 $k$ 个种子。接下来，我们提出有影响检查点（IC）框架以促进连续的 SIM 查询处理。IC 框架为每次窗口滑动创建检查点，并确保 $\varepsilon$-近似解。为提升效率，我们进一步设计了稀疏有影响检查点（SIC）框架，该框架针对大小为 $N$ 的滑动窗口选择性地保留 $O(\frac{\log{N}}{\beta})$ 个检查点，并维持 $\frac{\varepsilon(1-\beta)}{2}$-近似解。在真实与合成数据集上的实验结果证实了所提框架相比最先进 IM 方法的有效性与高效性。