CriticalSet 问题：识别二分图依赖网络中的关键贡献者
人工智能
2026-04-24 v1 统计力学
计算机科学与博弈论
社会与信息网络
数据分析、统计与概率
摘要
识别复杂网络中的关键节点是图挖掘的基本任务。然而，针对二分图依赖网络（即两种节点类型，边仅跨类型）中全有或全无覆盖机制的方法仍鲜有探索。我们形式化了 CriticalSet 问题：给定任意二分图建模项目对贡献者的依赖，识别 k 个贡献者的集合，使其移除后可孤立最多数量的项目。我们证明该问题为 NP-hard，需要最大化超调和集合函数，而标准的前向贪心算法无法提供近似保证。因此，我们将 CriticalSet 模型化为博弈论中的联盟游戏，推导出基于 Shapley 值的闭式中心性度量 ShapleyCov。该度量可解释为贡献者离职后孤立项目数的期望值。基于这些洞见，我们提出 MinCov算法，该算法在显式考虑连接冗余的基础上进行线性时间迭代剥离，优先选择唯一支持大量项目的贡献者。大量在合成数据和大规模真实数据集上的实验（包括拥有 2.5 亿条边的维基百科图）表明，MinCov 和 ShapleyCov 均显著优于传统基线方法。尤其值得注意的是，MinCov 的性能几乎优于蒸馏爬坡法等元启发式算法，仅差 0.02 的 AUC，而计算速度快几个数量级。
引用
@article{arxiv.2604.21537,
title = {The CriticalSet problem: Identifying Critical Contributors in Bipartite Dependency Networks},
author = {Sebastiano A. Piccolo and Andrea Tagarelli},
journal= {arXiv preprint arXiv:2604.21537},
year = {2026}
}