鲁棒序列网络化次模最大化
人工智能
2023-01-27 v2
摘要
本文研究 \underline{R}obust \underline{o}ptimization for \underline{se}quence \underline{Net}worked \underline{s}ubmodular maximization（RoseNets，鲁棒序列网络化次模最大化）问题。我们将鲁棒优化与序列网络化次模最大化相结合。元素由有向无环图连接，目标函数关于元素并非次模，而是关于图中边次模。在此种网络化次模情形下，从序列中移除一个元素的影响既取决于其在序列中的位置，也取决于其在网络中的位置。这使得现有鲁棒算法不再适用。本文首次研究 RoseNets 问题。我们设计了一个鲁棒贪婪算法，该算法对所选元素的任意子集被移除具有鲁棒性。算法的近似比同时依赖于被移除元素的数量与网络拓扑。我们进一步在推荐与链接预测的真实应用上进行了实验。实验结果证明了所提算法的有效性。
引用
@article{arxiv.2212.13725,
title = {Robust Sequence Networked Submodular Maximization},
author = {Qihao Shi and Bingyang Fu and Can Wang and Jiawei Chen and Sheng Zhou and Yan Feng and Chun Chen},
journal= {arXiv preprint arXiv:2212.13725},
year = {2023}
}
备注
12 pages, 14 figures, aaai2023 conference accepted