×
吴世清;李伟华;沈浩;白、全

识别未知社交网络中的有影响力用户，以便在预算限制下进行适应性激励分配。 （英语） Zbl 07840240号

信息科学。 624, 128-146 (2023).
小结：近年来，推荐用户中的社会影响力，以增强激励效果。通过直接激励有影响力的用户，他们在社交网络中的追随者可能会受到间接激励。然而，在许多实际应用中，由于未知的网络拓扑结构，识别有影响力的用户可能是一项挑战。在本文中，我们提出了一种新的算法来探索未知网络中的影响用户，在不知道网络拓扑的情况下，根据用户的历史行为估计用户之间的影响关系。此外，我们设计了一种自适应激励分配方法，该方法基于每个用户的偏好和影响能力来确定激励值。我们通过在合成数据集和真实数据集上进行实验来评估所提方法的性能。实验结果证明了所提方法的有效性。

MSC公司：

68倍 计算机科学
91至XX 博弈论、经济学、金融学以及其他社会和行为科学

关键词：

激励性分配;社会影响力;未知网络;基于主体建模
PDF格式BibTeX公司 XML格式引用
\textit{S.Wu}等人，《信息科学》。624、128——146（2023年；Zbl 07840240）
全文： DOI程序 arXiv公司

参考文献：

[1] Bobadilla，J。；奥尔特加，F。；埃尔南多，A。；Gutiérrez，A.，推荐系统调查，Knowl-基于系统。，46, 109-132 (2013)
[2] 霍曼斯，G.C.，《社会行为：其基本形式》（1974年），哈科特·布雷斯·约万诺维奇：哈科特·布拉斯·约万诺维奇，英国牛津
[3] A.Singla、M.Santoni、G.Bartók、P.Mukerji、M.Meenen、A.Krause，《激励用户平衡自行车共享系统》，载《第二十届AAAI人工智能会议论文集》，2015年，第723-729页。
[4] 甘，X。；王，X。；牛，W。；Hang，G。；田，X。；王，X。；Xu，J.，《在预算约束下激励多类人群标签》，IEEE J.Sel。公共区域。，35, 893-905 (2017)
[5] C.Qiu，A.Squicciarini，B.Hanrahan，《激励众包工作者的分配公平》，载《第18届国际自治代理和多代理系统会议论文集》，2019年第9卷，第404-412页。
[6] S.Wu，Q.Bai，W.Li，《未知社会网络中有效激励分配的学习政策》，载《第20届自主代理和多代理系统国际会议论文集》，2021年，第1701-1703页。
[7] A.Singla，A.Krause，《使用后悔最小化机制在众包任务中的真实激励》，载《第22届万维网国际会议论文集》，2013年，第1167-1178页。
[8] B.Li，D.Hao，D.Zhao，《激励相容扩散拍卖》，载《第二十届国际人工智能联合会议论文集》，2020年，第231-237页。
[9] W.Zhang，D.Zhao，Y.Zhangs，《激励扩散与公平回报》，载《第24届欧洲人工智能会议论文集》，2020年，第251-258页·Zbl 1469.91021号
[10] 李毅。；范，J。；Wang，Y。；Tan，K.-L.，《社会图的影响最大化：一项调查》，IEEE Trans。知识。数据工程，30，1852-1872（2018）
[11] 何毅。；刘，Y。；彭，Y。；Yang，Y.，在没有网络结构的情况下，在线影响力最大化，Knowl-基于系统。，254，第109654条pp.（2022）
[12] D.Li，M.Lowalekar，P.Varakantham，《声称：未知社交网络中影响力最大化的课程学习政策》，载于《第三十七届人工智能不确定性会议论文集》，2021，第1455-1465页。
[13] B.Wilder，N.Immorlica，E.Rice，M.Tambe，《在未知社会网络中最大化影响》，载于《第三十二届AAAI人工智能会议论文集》，2018年，第4743-4750页。
[14] J.Tang，J.Sun，C.Wang，Z.Yang，《大规模网络中的社会影响分析》，载《第15届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，2009年，第807-816页。
[15] 瓦伦特，T.W。；Pumpuang，P.，《确定意见领袖以促进行为改变》，《健康教育》。行为。，34, 881-896 (2007)
[16] Yu，C。；张，M。；Ren，F.，网络多智能体系统中社会规范涌现的集体学习，IEEE Trans。赛博。，44, 2342-2355 (2014)
[17] S.Wu，Q.Bai，B.H.Kang，影响力软件主动建议的适应性激励分配，收录于：PRICAI 2019:人工智能趋势，2019年，第649-661页。
[18] Wu，S。；白，Q。；Sengvong，S.，《绿色通勤：面向公众的通勤选项的影响软件说服推荐方法》，J.Syst。科学。系统。工程师，27，250-264（2018）
[19] J.Leskovec、A.Krause、C.Guestrin、C.Faloutsos、J.VanBriesen、N.Glance，《网络中的高效爆发检测》，载于《第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，2007年，第420-429页。
[20] 詹，Y。；夏，Y。；张，J。；李·T。；王毅，需求不确定性下的移动群体感知激励机制设计，信息科学。，528, 1-16 (2020) ·Zbl 1459.68021号
[21] 王，S。；Dang，D.，众包中上市项目任务的激励机制，信息科学。，512, 80-95 (2020)
[22] R.Lopez，C.Li，X.Yan，J.Xiong，M.I.Jordan，Y.Qi，L.Song，《通过结构化反事实推理进行成本效益激励分配》，载于《第三十四届AAAI人工智能会议论文集》，AAAI出版社，加利福尼亚州帕洛阿尔托，美国，2020年，第4997-5004页。
[23] S.Wu，Q.Bai，《在有限预算下激励长期参与》，载于：PRICAI 2019:人工智能趋势，2019年，第662-674页。
[24] 李，J。；Zhu，Y。；Yu，J.，《人群感知中的冗余软件和预算可行激励机制》，计算机。J.，63，66-79（2019）
[25] L.Tran-Thanh，A.Chapman，J.E.Munoz De Cote Flores Luna，A.Rogers，N.R.Jennings，《Epsilon-first policies for budget-limited multi-armed bazards》，载于《第二十四届AAAI人工智能会议论文集》，2010年，第1211-1216页。
[26] L.Tran Thanh，A.C.Chapman，A.Rogers，N.R.Jennings，《针对预算有限的多武装匪徒的基于背包的最优政策》，载于：《第二十六届AAAI人工智能会议论文集》，2012年，第1134-1140页。
[27] Y.Xia，H.Li，T.Qin，N.Yu，T.Y.Liu，Thompson sampling for the budgeted multi-armed bazards，收录于：《第24届国际人工智能会议论文集》，2015年，第3960-3966页。
[28] Wu，S。；李伟（Li，W.）。；Bai，Q.，Gac：一种针对未知社交网络中用户激励的深度强化学习模型，Knowl-基于系统。，259，第110060条pp.（2023）
[29] 徐，J。；关，C。；Wu，H。；Yang，D。；徐，L。；Li，T.，基于双层社会众包架构的移动众包在线激励机制，（2018年IEEE第十五届感知、通信和网络国际会议（SECON）（2018），IEEE），1-9
[30] Wang，J。；王，F。；Wang，Y。；张，D。；王，L。；邱，Z.，《移动人群感知中的社会网络辅助工人招聘》，IEEE Trans。暴徒。计算。，18, 1661-1673 (2019)
[31] 王，Z。；黄，Y。；王，X。；Ren，J。；王，Q。；Wu，L.，Socialrecruiter:《利用社交网络进行移动众包员工招聘的动态激励机制》，IEEE Trans。暴徒。计算。，2055-2066年（2020年）
[32] 徐，J。；陈，G。；周，Y。；Rao，Z。；Yang，D。；谢，C.，基于社会影响的大规模众包任务扩散激励机制，IEEE Trans。车辆。技术。，70, 3731-3745 (2021)
[33] D.Kempe，J.Kleinberg，爱沙尼亚。塔尔多斯，《通过社交网络最大限度地扩大影响力》，载于《第九届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，2003年，第137-146页·Zbl 1337.91069号
[34] W.Chen，Y.Wang，S.Yang，《社交网络中的有效影响力最大化》，载于《第15届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，2009年，第199-208页。
[35] 王，F。；她，J。；Ohyama，Y。；蒋伟（Jiang，W.）。；最小G。；王，G。；Wu，M.，《在竞争性社交网络中最大化积极影响：基于信任的解决方案》，Inform。科学。，546, 559-572 (2021) ·Zbl 1479.91285号
[36] Calió，A。；Tagarelli，A.，《基于属性的种子多样化以实现目标影响最大化》，《信息科学》。，546, 1273-1305 (2021) ·Zbl 1479.91278号
[37] 李伟（Li，W.）。；Bai，Q。；Liang，L。；Yang，Y。；胡，Y。；Zhang，M.，基于情境软件多影响扩散模型的社会影响最小化，Knowl-基于系统。，227，第107233条pp.（2021）
[38] 库马尔，S。；Mallik，A。；Khetarpal，A。；Panda，B.，《使用图嵌入和图神经网络在社交网络中实现影响力最大化》，《信息科学》。，607, 1617-1636 (2022)
[39] Liang，Z。；何，Q。；杜，H。；Xu，W.，竞争性社交网络中的目标影响力最大化，信息科学。，390-405 (2023)
[40] S.Mihara，S.Tsugawa，H.Ohsaki，未知社交网络的影响最大化问题，收录于：2015年IEEE/ACM国际社会网络分析和挖掘进展会议论文集，2015年，第1539-1546页。
[41] H.Kamarthi，P.Vijayan，B.Wilder，B.Ravindran，M.Tambe，《未知社会网络中的影响最大化：有效图形采样的学习政策》，载于：《第19届自治代理和多代理系统国际会议论文集》，2020年，第575-583页。
[42] C.M.Macal，M.J.North，《基于代理的建模与仿真》，载于《2009年冬季仿真会议论文集》，2009年，第86-98页。
[43] 李伟（Li，W.）。；Bai，Q。；张，M。；Nguyen，T.D.，《社交网络中的自动影响维护：基于代理的方法》，IEEE Trans。知识。数据工程，311884-1897（2019）
[44] 姜瑜。；Jiang，J.，《社交网络中的扩散：多主体视角》，IEEE Trans。系统。，网络人：系统。，45, 198-213 (2015)
[45] W.Li，Q.Bai，M.Zhang，T.D.Nguyen，《在线社交网络中的多重影响扩散建模》，载《第17届自治代理和多代理系统国际会议论文集》，2018年，第1053-1061页。
[46] 科尔曼，J.S。；Fararo，T.J.，《理性选择理论：倡导与批判》（1992），SAGE出版物
[47] J.Leskovec，J.J.Mcauley，学习发现自我网络中的社交圈，载于：神经信息处理系统的进展，2012年，第539-547页。
[48] J.Leskovec、D.Huttenlocher和J.Kleinberg，《社交媒体中的签名网络》，载于：SIGCHI计算机系统中人为因素会议记录，2010年，第1361-1370页。
[49] Leskovec，J。；克莱恩伯格，J。；Faloutsos，C.，《图形演变：致密化和收缩直径》，ACM Trans。知识。发现数据，1，1-41（2007）
[50] 特劳德·A·L。；穆查，P.J。；Porter，M.A.，《脸书网络的社会结构》，Physica A，3914165-4180（2012）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。