实验室余雷博士被ACM Transactions on Data Science接收-现代数据工程与实时计算实验室
现代数据工程与实时计算实验室

雷博士的论文“Maximizing Boosted Influence Spread with Edge Addition in Online Social Networks” 被ACM Transactions on Data Science接收。该论文主要研究在线社交网络中影响传播最大化问题。对于这一问题大量已有相关研究考虑结点级的种子挖掘,即在社交网络中选择少量关键用户(即种子)作为产品初始采纳者使得某种影响级联模型下影响传播网络中达到最大或限制其竞争者的影响传播。然而在实际的营销应用中,公司在有限的营销预算下往往采用混合的营销策略,除了选择少量关键用户,其还可能通过一些额外的激励奖赏增加用户连接以提高产品的采纳率,最终获取更多的收益。考虑到这一现实需求论文从边级的角度研究了一种新颖的增量影响传播最大化问题独立级联模型下,找到一个最优的边集添加网络中进一步地增加给定种子集的影响传播。该问题是对传统影响传播最大化问题重要推广和补充深入研究连接推荐任务、目标广告营销方面具有广泛的应用价值

增量影响传播最大化问题独立级联模型下NP-hard, 计算给定种子集的增量影响传播#P-hard。此外影响传播函数具有单调性但缺乏重要的子模性。为了解决这些挑战,论文提出了一种受限影响传播函数,其单调和子模的。因而简单的贪心算法能够近似地解决这一NP-hard问题,且能够获得具有理论保证的近似解。然而,当网络的大小以及选择的边的数量较大时,这一算法具有相当低的计算效率。因此论文进一步提出了一种改进的贪心算法算法整合几种有效的优化策略,在每一次迭代过程中能够过滤掉大量无效的候选边,极大地提升最优边选择的效率,且不会影响解的质量近似率。同时提出了扩展最大影响模型高效计算种子集的影响传播。在不同大小和结构特征的真实社交网络对所提出算法其他启发式算法在边集质量、运行时间重要参数影响等指标进行评估与分析实验结果表明了提出算法的有效性和高效能够很好用于解决社交网络中基于边级的增量影响传播最大化


实验室余雷博士被ACM Transactions on Data Science接收
时间:2019年09月18日 16:31   访问量:

地址:湖北省武汉市洪山区珞瑜路1037号,华中科技大学南一楼西南501室 邮编:430074 电话:027-87556601
计算机科学与技术学院,现代数据工程与实时计算实验室 有问题和意见请与网站管理员联系:adelab@163.com

温馨提示:为保证能正常的浏览此网站,请用IE9.0以上版本查看!    访问人次: