刘晓东;廖祥科;李珊珊;郑，思;林斌;张晶莹;邵丽松;黄、陈琳;肖利群 在巨人的肩膀上：不断发展的社交网络中影响力的最大化。 （英语） Zbl 1377.91144号 复杂性 2017年，文章ID 5049836，14 p.（2017）. 摘要：影响力最大化问题旨在确定最具影响力的个人，以帮助在社交网络上制定有效的病毒式营销策略。以前的研究主要集中在静态社交网络上设计高效的算法或启发式方法。事实上，现实世界的社交网络随着时间的推移不断发展，对变化的网络进行重新计算不可避免地会导致运行时间过长。在本文中，我们提出了一种增量方法IncInf，它可以基于先前的信息而不是从头开始计算，有效地定位进化中社交网络中最具影响力的个人。特别是，IncInf通过将拓扑演化的影响仅局限于局部区域来定量分析节点的影响扩散变化，并进一步提出了一种剪枝策略，将搜索空间缩小为经历较大增长或高度增长的节点。为了评估效率和有效性，我们在真实世界的动态社交网络（Facebook、NetHEPT和Flickr）上进行了广泛的实验。实验结果表明，与最新的静态算法相比，IncInf在保持影响扩散匹配性能的同时，在执行时间上实现了显著的加速。 理学硕士： 91天30分 社交网络；意见动态 90磅60 营销、广告 关键词：增量影响最大化;不断发展的社交网络;有效的病毒式营销策略 软件：CELF公司++ PDF格式BibTeX公司 XML格式引用 \textit{X.Liu}等人，《复杂性2017》，文章ID 5049836，14 p.（2017；Zbl 1377.91144） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] 多明戈斯，P。；Richardson，M.，挖掘客户的网络价值，第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’01），ACM出版社 [2] 推特2012年事实与数据，2012年，http://www.website-monitoring.com/blog/2012/11/07/ [3] 陈，W。；Wang，Y。；Yang，S.，《社交网络中的有效影响最大化》，第15届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’09），ACM·数字对象标识代码：10.1145/1557019.1557047 [4] 王，C。；陈，W。；Wang，Y.，大型社交网络中独立级联模型的可扩展影响最大化，数据挖掘和知识发现，25，3，545-576（2012）·Zbl 1260.91219号 ·doi:10.1007/s10618-012-0262-1 [5] Leskovec，J。；克劳斯，A。；Guestrin，C。；Faloutsos，C。；Vanbriesen，J。；Glance，N.，网络中的成本效益暴发检测，第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’07）·doi:10.1145/1281192.1281239 [6] 刘，X。；李，S。；廖，X。；Wang，L。；Wu，Q.，《大规模社交网络中影响最大化的即时评估》，ACM EuroSys社交网络系统研讨会论文集 [7] Barabasi，A.-L。；Albert，R.，《随机网络中尺度的出现》，美国科学促进会。《科学》，2865439509-512（1999）·Zbl 1226.05223号 ·doi:10.126/科学286.5439.509 [8] 刘，X。；廖，X。；李，S。；Lin，B.，《为发展中的社交网络实现有效影响最大化》，第18届亚太网络会议论文集 [9] Tang，Y。；Shi，Y。；Xiao，X.，《近线性时间的影响最大化：鞅方法》，ACM SIGMOD国际数据管理会议论文集，（SIGMOD'15）·doi:10.1145/2723372.2723734 [10] Wang，Y。；聪，G。；Song，G。；Xie，K.，基于社区的贪婪算法，用于挖掘移动社交网络中的前K个有影响力的节点，第16届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’10），ACM·doi:10.145/1835804.18835935 [11] 戈亚尔，A。；卢·W。；Lakshmanan，L.V.S.，CELF++：优化贪婪算法以实现社交网络中的影响力最大化，第20届国际会议论文集，万维网，（WWW’11）·数字对象标识代码：10.1145/1963192.1963217 [12] Jung，K。；希奥，W。；Chen，W.，IRIE:独立级联模型的可扩展影响最大化算法及其扩展，https://arxiv.org/abs/1111.4795 [13] 刘，X。；李，M。；李，S。；彭，S。；廖，X。；Lu，X.，IMGPU：大型社交网络中GPU加速影响最大化，IEEE并行和分布式系统事务，25，1，136-145（2014）·doi:10.1109/TPDS.2013.41 [14] 陈Y.C。；Zhu，W.-Y。；彭，W.C。；Lee，W.C。；Lee，S.-Y.，CIM：社交网络中基于社区的影响力最大化，ACM智能系统与技术汇刊，第5，2期，第25条（2014）·doi:10.1145/2532549 [15] Wang，X.-G.，基于owen值的社交网络关键节点问题算法，科学世界期刊，2014（2014）·doi:10.1155/2014/414717 [16] 卢，Z。；张伟。；Wu，W。；Kim，J。；Fu，B.，确定性线性阈值模型中影响最大化问题的复杂性，组合优化杂志，24，3，374-378（2012）·Zbl 1261.91041号 ·doi:10.1007/s10878-011-9393-3 [17] 卢，Z。；范，L。；Wu，W。；托赖辛厄姆，B。；Yang，K.，线性阈值模型下影响最大化的有效影响扩散估计，计算社会网络，1，1（2014） [18] Nguyen，H。；Zheng，R.，《社会网络中的预算影响力最大化》，《IEEE通信选定领域期刊》，31，6，1084-1094（2013）·doi:10.1109/JSAC.2013.130610 [19] Han，M。；Yan，M。；蔡，Z。；Li，Y.，《利用机会主义选择探索及时性网络中更广泛的影响最大化》，《网络与计算机应用杂志》，63，39-49（2016）·doi:10.1016/j.jnca.2016.01.004 [20] 刘，B。；聪，G。；曾勇。；徐，D。；Chee，Y.M.，影响传播路径及其在时间约束社会影响最大化问题及其以外的应用，IEEE知识与数据工程汇刊，26，8，1904-1917（2014）·doi:10.1109/TKDE.2013.106 [21] 裴，S。；滕，X。；沙曼，J。；莫隆，F。；Makse，H.A.，《具有一阶过渡的级联过程中的高效集体影响最大化》，《科学报告》，7（2017）·doi:10.1038/srep45240 [22] Habiba，Y.Y。；Berger-Wolf，T.Y。；Saia，J.，《在动态网络中寻找传播阻断者》，《社交网络挖掘与分析进展》。《社交网络挖掘与分析进展》，计算机科学讲稿，5498，55-76（2010），德国柏林：施普林格，德国柏林·doi:10.1007/978-3642-14929-04 [23] 米查尔斯基，R。；Kajdanowicz，T.等人。；Bródka，P。；Kazienko，P.，《社交网络影响力传播的种子选择：时间与静态方法》，《新一代计算》，32，3-4，213-235（2014）·doi:10.1007/s00354-014-0402-9 [24] 陈，W。；卢·W。；Zhang，N.，具有时滞扩散过程的社交网络中的时间临界影响最大化，第26届人工智能会议论文集 [25] 戈梅兹·罗德里格斯，M。；Scholkopf，B.，《连续时间扩散网络中的影响最大化》，第29届机器学习国际会议论文集 [26] 阿加瓦尔，C。；Lin，S。；Yu，P.S.，《关于动态社交网络中有影响力的节点发现》，第十二届SIAM国际数据挖掘会议论文集，（SDM’12） [27] 庄，H。；孙，Y。；Tang，J。；张杰。；Sun，X.，动态社交网络中的影响力最大化，第13届IEEE国际数据挖掘会议论文集，ICDM 2013·doi:10.1109/ICDM.2013.145 [28] Tong，G。；Wu，W。；唐，S。；Du，D.-Z.，动态社交网络中的自适应影响最大化，IEEE/ACM网络事务，25，1，112-125（2017）·doi:10.1109/TNET.2016.2563397 [29] Kempe，D。；Kleinberg，J。；Tardos，E.，《通过社交网络最大限度地扩大影响力》，第九届ACM SIGKDD国际知识发现和数据挖掘会议论文集 [30] 理查森，M。；Domingos，P.，为病毒营销挖掘知识共享网站，第八届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD’02），ACM·doi:10.1145/775047.775057 [31] 陈Y.C。；彭，W.C。；Lee，S.-Y.，《社交网络中影响最大化的高效算法》，《知识与信息系统》，第33、3、577-601页（2012年）·doi:10.1007/s10115-012-0540-7 [32] 海达里，M。；阿萨德普尔，M。；Faili，H.，SMG：社交网络中影响最大化的快速可扩展贪婪算法，《物理A：统计力学及其应用》，420124-133（2015）·doi:10.1016/j.physa-2014年10月08日 [33] 莫隆，F。；Makse，H.A.，《通过优化渗流实现复杂网络的影响最大化》，《自然》，524，7563，65-68（2015）·doi:10.1038/nature14604 [34] Song，G。；周，X。；Wang，Y。；Xie，K.，《大规模移动社交网络的影响最大化：一种分而治之的方法》，IEEE Transactions on Parallel and Distributed Systems，26，5，1379-1392（2015）·doi:10.1109/tpds.2014.2320515 [35] 周，C。；张，P。；臧，W。；Guo，L.，社会网络影响最大化中贪婪算法的扩散上限，IEEE知识与数据工程学报，27，10，2770-2783（2015）·doi:10.1109/TKDE.2015.2419659 [36] Capocci，A。；Servedio，V.D.P。；科莱奥里，F。；布里奥尔，L.S。；多纳托，D。；莱昂纳迪，S。；Caldarelli，G.，《社交网络增长中的优先依恋：互联网百科全书维基百科》，《物理评论E-统计、非线性和软物质物理学》，第74、3页（2006年）·doi:10.103/物理版本E.74.036116 [37] Leskovec，J。；Backstrom，L。；库马尔，R。；Tomkins，A.，《社交网络的微观演化》，第14届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD 2008·数字对象标识代码：10.1145/1401890.1401948 [38] Easley，D。；Kleinberg，J.，《网络、人群与市场：高度互联世界的推理》（2010），美国马萨诸塞州剑桥市：剑桥大学出版社·Zbl 1205.91007号 ·doi:10.1017/cbo9780511761942 [39] CORONA，V.P.，《记忆、怪物和Lady Gaga》，《大众文化杂志》，46，4，725-744（2013）·数字对象标识代码：10.1111/j.1540-5931.2011.00809.x [40] 维斯瓦纳特，B。；Mislove，A。；Cha，M。；Gummadi，K.P.，《关于脸书中用户交互的演变》，第二届ACM SIGCOMM在线社交网络研讨会论文集·doi:10.1145/1592665.1592675 [41] ArXiv NetHEPT数据集，http://www.cs.cornell.edu/projects/kddcup/datasets.html [42] Mislove，A。；Koppula，H.S。；Gummadi，K.P。；Druschel，P。；Bhattacharjee，B.，flickr社交网络的发展，第一届ACM SIGCOMM社交网络研讨会论文集（WOSN'08），ACM·doi:10.1145/1397735.1397742 [43] Tang，J。；Sun，J。；王，C。；Yang，Z.，大型网络中的社会影响分析，第15届ACM SIGKDD知识发现和数据挖掘国际会议论文集，KDD’09·数字对象标识代码：10.1145/1557019.1557108 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。