社交网络中影响传播的种子选择：时间方法与静态方法

寻找最优用户集以影响社交网络中他人的问题已被广泛研究。由于该问题是NP难的，人们提出了一些启发式方法来寻找次优解。然而，一个常用的假设是种子在静态网络上选择，而非动态网络。这种静态方法实际上远离现实世界网络，其中新节点可能随时间出现，旧节点动态消失。本文的主要目的是分析典型的影响传播模型——线性阈值模型的结果如何因构建社交网络（用于后续选择种子）的策略而异。为了展示网络创建策略对最终受影响节点数量（影响传播结果）的影响，我们研究了三种方法的结果：一种静态方法和两种不同粒度的时间方法（即不同数量的时间窗口）。每个时间窗口的社交网络封装了网络结构的动态变化。各种节点结构度量（如度或介数）的计算通过遗忘机制尊重这些变化——较新的数据对节点度量值的影响更大。这些度量反过来用于节点排序和种子选择。所有概念在五个真实数据集上进行了实验验证。结果表明，时间方法总是优于静态方法，且时间社交网络在播种时的粒度越高，最终受影响的节点越多。此外，使用指数遗忘的出度度量在种子候选排序中通常优于其他时间相关结构度量。