图形弓手用于最大化局部影响
机器学习
2026-05-04 v1
摘要
我们研究了图形弓手设置,其中学习者的目标是通过尽可能少的信息从图中检测最具影响力的节点。该设置的一个相关应用是社交网络营销,其中营销人员旨在发现并利用最具影响力的客户。现有的图上弓手问题方法要么需要部分图的知识,要么需要完整的图的知识。本文不假设对图的任何知识,考虑图可以以顺序和主动方式逐步发现。在每个轮次中,学习者选择图的一个节点,唯一获取的信息是所选节点当前正在影响的随机节点集合。为解决此设置,本文提出 BARE—a 一种用于检测最具影响力节点且其累积损失随可检测维度比节点数目小的弓手策略。
引用
@article{arxiv.2605.00489,
title = {Revealing graph bandits for maximizing local influence},
author = {Alexandra Carpentier and Michal Valko},
journal= {arXiv preprint arXiv:2605.00489},
year = {2026}
}
备注
Published at AISTATS 2016 (19th International Conference on Artificial Intelligence and Statistics)