VAIM：面向影响力最大化的可视分析
社会与信息网络
2020-08-21 v1 人机交互
摘要
在社交网络中，个体的决策深受其朋友和熟人的推荐影响。影响力最大化（IM）问题旨在选取一个种子用户集合，以最大化影响力传播，即由种子触发的随机扩散过程所影响的预期用户数。本文提出VAIM，一个支持用户分析由不同IM算法所确定的信息扩散过程的可视分析系统。使用VAIM可以：(i) 在大型网络上模拟给定种子集合的信息传播，(ii) 分析并比较不同种子集合的有效性，以及 (iii) 修改种子集合以改善相应的影响力传播。
引用
@article{arxiv.2008.08821,
title = {VAIM: Visual Analytics for Influence Maximization},
author = {Alessio Arleo and Walter Didimo and Giuseppe Liotta and Silvia Miksch and Fabrizio Montecchiani},
journal= {arXiv preprint arXiv:2008.08821},
year = {2020}
}
备注
Appears in the Proceedings of the 28th International Symposium on Graph Drawing and Network Visualization (GD 2020)