×

论多数动态下观点扩散推理的复杂性。 (英语) Zbl 1454.91154号

本文研究了社会网络中多数动态下意见扩散问题的复杂性分析。研究的关键问题本文是共识问题。给定一个图(G=(N,E))和一个有理数(alpha),使得需要计算一组种子(S\subseteq N\),这样\(|S|\le\alpha|N|\)就会有一个动态\(c\)趋向\(1\)with\(N_{1/c}=S\),或者检查是否没有满足上述条件的种子集。这里\(N_{1/c}\)是在给定配置\(c:N\rightarrow\{0,1\}\)下具有意见\(1)的节点集。结果表明,一致性问题是一个NP-hard问题。另外两个被称为双重问题和复数问题的问题也被证明是NP-hard。双重问题是指计算一个配置(c\),使得\(|N_{1/c}|\le\varepsilon|N|\)存在一个趋向于\(c^*\)的动态\(c\。复数问题是指计算一个配置\(c),使\(c \)是稳定的,并且\(N_{0/c}\ not=\emptyset\)和\(N_(0/c}\ not=N\),或者检查是否没有满足上述条件的配置。

MSC公司:

91天30分 社交网络;意见动态
2017年第68季度 问题的计算难度(下界、完备性、近似难度等)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 奥莱塔,V。;费拉奥利,D。;Greco,G.,《当意见通过多数动态扩散时,关于共识的推理》(《国际商会18年公报》(2018年)),49-55
[2] Granovetter,M.,《集体行为阈值模型》,美国社会学杂志。,83, 6, 1420-1443 (1978)
[3] Degreoot,M.H.,达成共识,美国统计协会,69,345,118-121(1974)·Zbl 0282.92011号
[4] Memon,N。;Alhajj,R.,《从社会学到社会网络中的计算:理论、基础和应用》(2010),斯普林格出版公司
[5] Easley,D。;Kleinberg,J.,《网络、人群和市场:高度互联世界的推理》(2010),剑桥大学出版社·Zbl 1205.91007号
[6] Grandi,U.,《社会选择和社会网络》,《计算社会选择趋势》。计算社会选择趋势,AI访问,169-184(2017)
[7] Salehi-Abari,A。;Boutiler,C。;Larson,K.,《社交网络中的同情决策》,Artif。智力。,275, 174-203 (2019) ·Zbl 1482.91168号
[8] 克里斯托夫,Z。;Grossi,D.,二元意见扩散的稳定性,(2017年《LORI公报》),166-180·Zbl 1495.91090号
[9] 塔姆贝,M。;Rice,E.,《人工智能与社会工作》(2018),剑桥大学出版社
[10] 多明戈斯,P。;Richardson,M.,挖掘客户的网络价值,(KDD’01(2001)Proc.),57-66
[11] 理查森,M。;Domingos,P.,《病毒营销的知识共享网站挖掘》(KDD'02(2002)Proc.),61-70
[12] 长,C。;Wong,R.C.-W.,专门客户的病毒营销,Inf.Sci。,46, 1-23 (2014)
[13] 米斯纳,I.R。;Devine,V.,《世界上最著名的营销秘密:用口碑营销建立你的企业》(1999),巴德出版社
[14] 李毅。;范,J。;Wang,Y。;Tan,K.,《社会图的影响最大化:调查》,IEEE Trans。知识。数据工程,30,10,1852-1872(2018)
[15] Kempe,D。;Kleinberg,J。;Tardos,E.,社交网络扩散模型中的影响节点,(ICALP’05(2005)Proc.),1127-1138·Zbl 1084.91053号
[16] Schelling,T.C.,《微观动机和宏观行为》(1978),W.W.Norton&Company
[17] Granovetter,M.,《弱联系的力量》,美国社会学杂志。,78, 6, 1360-1380 (1973)
[18] Shakarian,P.,《社交网络扩散模型的多学科调查》,IEEE Intel。通知。公牛。,16, 1, 3-7 (2015)
[19] Kempe,D。;Kleinberg,J。;Tardos,E.,《通过社交网络最大限度地扩大影响力》,《理论计算》。,105-147年4月11日(2015年)·Zbl 1337.91069号
[20] Gursoy,F。;Gunnec,D.,确定性线性阈值模型下社交网络中的影响最大化,Knowl-基于系统。,161, 111-123 (2018)
[21] 戈亚尔,A。;Bonchi,F。;Lakshmanan,L.V.,《社交网络中的学习影响概率》(WSDM Proc.of WSDM’10(2010)),241-250
[22] Shakarian,P。;艾尔,S。;Paulo,D.,tipping模型下病毒营销的可扩展启发式,Soc.Netw。分析。最小值,3,4,1225-1248(2013)
[23] 硼蛋白,A。;菲莫斯,Y。;Oren,J.,《社交网络中竞争影响力的阈值模型》,(Saberi,A.,《2010年葡萄酒杂志》),539-550
[24] 巴拉提,S。;Kempe,D。;Salek,M.,《社交网络中的竞争影响力最大化》(2007年《葡萄酒杂志》),第306-311页
[25] 布达克,C。;阿格拉瓦尔,D。;El Abbadi,A.,《限制社交网络中错误信息的传播》(WWW’11 Proc.(2011)),665-674
[26] Chen,W。;柯林斯。;卡明斯,R。;Ke,T。;刘,Z。;Rincon,D。;太阳,X。;魏伟(Wei,W.)。;Wang,Y。;Yuan,Y.,当负面意见可能出现并传播时,社交网络中的影响最大化,(SDM’11(2011)Proc.),379-390
[27] 法兹利,M。;Ghodsi,M。;哈比比,J。;贾拉利,P。;Mirrorkni,V。;Sadeghian,S.,《关于通过社交网络非渐进性传播影响力》,Theor。计算。科学。,550, 36-50 (2014) ·Zbl 1360.91120号
[28] Goles,E。;Olivos,J.,广义阈值函数的周期行为,离散数学。,30, 2, 187-189 (1980) ·Zbl 0444.94038号
[29] Frischknecht,S。;凯勒,B。;Wattenhofer,R.,《(社会)影响网络中的融合》(Afek,Y.,《2013年DISC公报》),433-446·Zbl 1400.91461号
[30] Lou,V.Y。;巴加特,S。;Lakshmanan,L.V.公司。;Vaswani,S.,《影响传播的非渐进现象建模》(2014年《COSN’14期刊》),131-138
[31] V.Tzoumas,C.Amanatidis,E.Markakis,《社交网络竞争扩散过程的游戏理论分析》,摘自:Proc。《2012年葡萄酒》,第1-14页。
[32] Bredereck,R。;Elkind,E.,《操纵社交网络中的意见传播》,(《国际JCAI杂志》第17期(2017)),第894-900页
[33] Dong,Y。;查,Q。;张,H。;寇,G。;Fujita,H。;Chiclana,F。;Herrera-Viedma,E.,《在社交网络群体决策中达成共识:研究范式和挑战》,Knowl-基于系统。,162, 3-13 (2018)
[34] 奥斯本,M.J。;Rubinstein,A.,《博弈论课程》(1994年),麻省理工学院出版社:麻省理学院出版社,美国剑桥·Zbl 1194.91003号
[35] Brandt,F。;科尼策,V。;Endriss,美国。;朗·J。;Procaccia,A.D.,《计算社会选择手册》(2016),剑桥大学出版社:剑桥大学出版社,美国纽约州纽约市·Zbl 1436.91001号
[36] Endriss,U.,《计算社会选择趋势》。计算社会选择趋势,AI访问(2017)·兹伯利07657254
[37] R.Angell,G.Schoenebeck,程序。《17年葡萄酒》,第16-29页。
[38] Dreyer,P。;Roberts,F.S.,《不可逆k阈值过程:疾病传播和观点的图形理论阈值模型》,离散应用。数学。,157, 1615-1627 (2009) ·Zbl 1163.92035号
[39] 奥莱塔,V。;Caragiannis,I。;费拉奥利,D。;加尔迪,C。;Persiano,G.,《少数人在社交网络中占多数》(2015年《葡萄酒杂志》),第74-88页·Zbl 1406.91317号
[40] 费拉奥利,D。;Ventre,C.,意见游戏中的社会压力
[41] 罗伯逊,N。;Seymour,P.,《未成年人图形III:平面树宽度》,J.Comb。理论,Ser。B、 36、1、49-64(1984)·Zbl 0548.05025号
[42] Arnborg,S。;Lagergren,J。;Seese,D.,树分解图的简单问题,J.算法,12,2,308-340(1991)·Zbl 0734.68073号
[43] Gottlob,G。;格雷科·G。;塞拉利昂,北卡罗来纳州。;Scarcello,F.,Hypertree分解:问题和答案,(PODS’16(2016)Proc.),57-74
[44] Dechter,R.,《约束处理》(2003),Morgan Kaufmann Publishers Inc.:Morgan Kaufmann Publishers Inc.,美国加利福尼亚州旧金山
[45] Gottlob,G。;格雷科·G。;Scarcello,F.,《树宽和超树宽》,(可牵引性:解决难题的实用方法(2013),剑桥大学出版社)
[46] 陈,N.,《社会网络中影响的近似性》,SIAM J.离散数学。,23, 3, 1400-1415 (2009) ·Zbl 1203.68314号
[47] Khoshkhah,K。;Soltani,H。;图的动态垄断:平均和严格多数阈值,离散优化。,9, 2, 77-83 (2012) ·Zbl 1246.91115号
[48] Peleg,D.,图中的地方多数、联盟和垄断:综述,Theor。计算。科学。,282, 2, 231-257 (2002) ·Zbl 0997.68088号
[49] Peleg,D.,动态垄断的规模界限,离散应用。数学。,86, 2, 263-273 (1998) ·Zbl 0910.90286号
[50] Chen,N.,《关于社交网络中影响的近似性》(SODA’08(2008)Proc.),1029-1037·Zbl 1192.91169号
[51] Garey,M.R。;Johnson,D.S.,《计算机与不可纠正性:NP-完全性理论指南》(1979),W.H.Freeman&Co·Zbl 0411.68039号
[52] Greenlaw,R。;Petreschi,R.,立方图,ACM计算。调查。,27, 4, 471-495 (1995)
[53] Bodlaender,H.L.,求小树宽树分解的线性时间算法,SIAM J.Compute。,25, 6, 1305-1317 (1996) ·Zbl 0864.68074号
[54] Gaifman,H.,《关于局部和非局部属性》,(Stern,J.,《赫布兰德研讨会论文集》,赫布兰德会议论文集,逻辑和数学基础研究,第107卷(1982),Elsevier),105-135·Zbl 0518.03008号
[55] 罗西,F。;v.Beek,P。;Walsh,T.,《约束编程手册(人工智能基础)》(2006),爱思唯尔科学公司:爱思唯尔科学公司,美国纽约州纽约市·Zbl 1175.90011号
[56] 马尼乌,S。;Senellart,P。;Jog,S.,《真实世界图形数据树宽的实验研究》(ICDT’19(2019)Proc.),12:1-12:18·Zbl 07561472号
[57] 格雷科·G。;Lupia,F。;Scarcello,F.,《有界树宽匹配博弈中shapley值的可处理性》(IJCAI’17(2017)Proc.),1046-1052
[58] 德米特里斯库,C。;Lupia,F。;Mendicelli,A。;Ribichini,A。;斯卡切洛,F。;Schaerf,M.,《关于shapley值及其在意大利vqr研究评估中的应用》,J.Informetr。,13, 1, 87-104 (2019)
[59] Grohe,M.,《局部树宽度、排除子项和近似算法》,组合数学,23,4,613-632(2003)·Zbl 1089.05503号
[60] Demaine,E.D。;哈加伊,麻省理工。;Kawarabayashi,K.,算法图次要理论:分解、近似和着色,(FOCS’05(2005)Proc.),637-646
[61] Baker,B.S.,平面图上np-完全问题的近似算法,J.ACM,41,1,153-180(1994)·Zbl 0807.68067号
[62] 巴兹甘,C。;肖邦,M。;Nichterlein,A。;Sikora,F.,最大化网络影响力传播的参数化近似,J.Discret。算法,27,54-65(2014)·Zbl 1361.68105号
[63] 巴兹甘,C。;肖邦,M。;Nichterlein,A。;Sikora,F.,目标集选择和推广的参数化不可接近性,可计算性,3,2,135-145(2014)·Zbl 1320.68088号
[64] Nichterlein,A。;尼德迈尔,R。;Uhlmann,J。;Weller,M.,《目标集选择的可处理案例》,Soc.Netw。分析。最小值,3,2,233-256(2013)
[65] Cordasco,G。;加加诺,L。;梅奇亚,M。;Rescigno,A.A。;Vaccaro,U.,《发现社交网络中的小目标集:一种快速有效的算法》,Algorithmica,80,6,1804-1833(2018)·Zbl 1390.05224号
[66] Ben-Zwi,O。;Hermelin,D。;Lokshtanov,D。;Newman,I.,Treewidth控制目标集选择的复杂性,离散优化。,8, 1, 87-96 (2011) ·Zbl 1248.90068号
[67] 罗伯逊,N。;Seymour,P.,《未成年人图形》。二、。树宽的算法方面,J.Algorithms,7,3,309-322(1986)·Zbl 0611.05017号
[68] Ackerman,E。;Ben-Zwi,O。;Wolfovitz,G.,目标集选择的组合模型和界限,Theor。计算。科学。,411, 44, 4017-4022 (2010) ·兹比尔1235.90168
[69] Reichman,D.,传染集合的新边界,离散数学。,312, 10, 1812-1814 (2012) ·Zbl 1242.05265号
[70] Chang,C。;Lyuu,Y.,《关于一般图中的不可逆动态垄断》(2009),CoRR
[71] Chang,C.-L。;Lyuu,Y.-D.,《基于阈值的级联的动态垄断和收敛集的规模限制》,Theor。计算。科学。,468, 37-49 (2013) ·Zbl 1258.05041号
[72] 西葫芦,P。;Králović,R。;鲁日卡,P。;Roncato,A。;Santoro,N.,《规则拓扑中单调动态垄断的时间与规模》,J.Discret。算法,1,2,129-150(2003)·Zbl 1074.68045号
[73] Khoshkhah,K。;内马蒂,M。;Soltani,H。;Zaker,M.,《图中垄断的研究》,图梳。,29, 5, 1417-1427 (2013) ·Zbl 1272.05149号
[74] 西加雷塔,J.M。;Rodríguez,J.A.,关于图的全球进攻联盟数,离散应用。数学。,157, 2, 219-226 (2009) ·Zbl 1191.05072号
[75] Cicalese,F。;Cordasco,G。;加加诺,L。;米拉尼奇,M。;彼得斯,J。;Vaccaro,U.,《时间和预算约束下加权网络中的影响力传播》,Theor。计算。科学。,586,C,40-58(2015)·Zbl 1327.68175号
[76] 劳滕巴赫,D。;多斯桑托斯,V.F。;Schäfer,P.M.,《具有截止日期的不可逆转换过程》,J.Discret。算法,26,69-76(2014)·Zbl 1298.05282号
[77] 莫塞尔,E。;Neeman,J。;Tamuz,O.,社交网络中的多数动态和信息聚合,Auton。Agent多Agent系统。,2014年3月28日,408-429
[78] 费尔德曼,M。;Immorlica,N。;Lucier,B。;Weinberg,S.M.,《通过社交网络中的非贝叶斯异步学习达成共识》(APPROX/RANDOM 14(2014)Proc.),192-208·Zbl 1360.91121号
[79] 奥莱塔,V。;Caragiannis,I。;费拉奥利,D。;加尔迪,C。;Persiano,G.,《异质多数动态中的信息保留》(2017年《葡萄酒学报》),第30-43页·Zbl 1405.91515号
[80] 奥莱塔,V。;费拉奥利,D。;菲昂达,V。;Greco,G.,《在第三次约会时最大化意见传播》(AAMAS’19(2019)Proc.),1207-1215
[81] Fortunato,S.,《关于克劳斯·赫塞尔曼意见动力学的共识阈值》,Int.J.Mod。物理。C、 16、02、259-270(2005)·Zbl 1112.91353号
[82] Lorenz,J。;Urbig,D.,《关于通过操纵沟通规则来加强和阻止共识的权力》,高级复杂系统。,10, 02, 251-269 (2007) ·Zbl 1135.91029号
[83] 卡瓦略,A。;Larson,K.,合意线性意见库(IJCAI’13(2013)Proc.),2518-2524
[84] 奥莱塔,V。;Fanelli,A。;Ferraioli,D.,《全面发展环境中意见形成过程的共识》(AAAI’19(2019)Proc.),6022-6029
[85] Yoshinaka,R.,无常数线性lambda演算中的高阶匹配是np-完全的(Proc.or RTA’05(2005)),235-249·Zbl 1078.68045号
[86] Chierichetti,F。;Kleinberg,J。;Oren,S.,《离散偏好与协调》,J.Compute。系统。科学。,93, 11-29 (2018) ·Zbl 1408.91041号
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。