社交网络上面向Top-L最具影响力社区检测（技术报告）
社会与信息网络
2024-03-04 v3 数据库
摘要
在社交网络分析与在线营销/广告等许多现实应用中，社区检测是一项基础任务，用于识别具有高度结构凝聚性的社交网络社区（子图）。已有工作仅聚焦于单独检测社区，未考虑这些社区中用户对其他用户节点的集体影响。受此启发，本文研究来自若干种子社区的影响传播及其所导致的受影响社区的影响效应。我们提出一个新颖问题，称为社交网络上面向Top-L最具影响力社区检测（TopL-ICDE），旨在检索具有最高影响、具备高结构凝聚性且包含用户指定查询关键词的Top-L种子社区。为高效求解TopL-ICDE问题，我们设计有效的剪枝策略以过滤种子社区的误报，并提出一种有效的索引机制以促进高效的Top-L社区检索。我们通过遍历索引并应用所提剪枝策略，开发了高效的TopL-ICDE应答算法。我们还形式化并求解了TopL-ICDE的一个变体，称为多样化Top-L最具影响力社区检测（DTopL-ICDE），其返回一组具有最高多样性得分（即L个社区的协作影响）的L个多样化社区。我们证明DTopL-ICDE是NP难的，并提出了一种带有所设计多样性得分剪枝的高效贪心算法。通过大量实验，我们在多种参数设置下基于真实/合成社交网络验证了所提TopL-ICDE与DTopL-ICDE方法的效率与有效性。
引用
@article{arxiv.2311.13162,
title = {Top-L Most Influential Community Detection Over Social Networks (Technical Report)},
author = {Nan Zhang and Yutong Ye and Xiang Lian and Mingsong Chen},
journal= {arXiv preprint arXiv:2311.13162},
year = {2024}
}