利用社交网络援助无家可归者收容所：不确定性下的动态影响最大化——扩展版
人工智能
2016-02-02 v1 计算机与社会
社会与信息网络
摘要
本文提出 HEALER，一个软件智能体，为无家可归者收容所推荐序列干预计划，这些收容所组织此类干预以提高无家可归青年对 HIV 的认识。HEALER 的序列计划（利用无家可归青年社交网络的知识）策略性地选择干预参与者以最大化影响传播，同时对网络中的不确定性进行推理。先前工作提出了影响最大化技术以选择干预参与者，但它们未解决三个现实问题：(i) 它们完全无法扩展到真实世界的规模；(ii) 它们不处理干预计划执行中的偏差；(iii) 构建真实世界社交网络是一个昂贵的过程。HEALER 通过四个主要贡献处理这些问题：(i) HEALER 将该影响最大化问题转化为一个 POMDP，并使用一个新颖的规划器求解，该规划器可扩展到先前无法解决的真实世界规模；(ii) HEALER 允许收容所官员修改其推荐，并以容偏差的方式更新其未来计划；(iii) HEALER 使用一个 Facebook 应用以低成本构建无家可归青年的社交网络。最后，(iv) 我们给出了 HEALER 所求解问题的硬度结果。HEALER 将于 2016 年早春部署到真实世界，目前正在一个无家可归者收容所进行测试。
引用
@article{arxiv.1602.00165,
title = {Using Social Networks to Aid Homeless Shelters: Dynamic Influence Maximization under Uncertainty - An Extended Version},
author = {Amulya Yadav and Hau Chan and Albert Jiang and Haifeng Xu and Eric Rice and Milind Tambe},
journal= {arXiv preprint arXiv:1602.00165},
year = {2016}
}
备注
This is an extended version of our AAMAS 2016 paper (with the same name) with full proofs of all our theorems included