zoukankan      html  css  js  c++  java
  • 社交网络影响力最大化2(Influence Maximization)

    2.2 近几年研究进展及算法讲解

    2.2.1 RIS(Reverse Influence Sampling)

    2014年的Maximizing Social Influence in Nearly Optimal Time

    2014年的Influence Maximization: Near-Optimal Time Complexity Meets Practical Efficiency

    2015年的Influence Maximization in Near-Linear Time: A Martingale Approach

    2016年的Stop-and-Stare: Optimal Sampling Algorithms for Viral Marketing in Billion-scale Networks

            以上我列出了四篇采用反向影响力采样方法的论文,该方法大幅度改善了影响力最大化的速度,并使得影响力最大化算法在大型(上百万甚至上亿个节点)社交网络上得以运行。接下来我具体介绍它们的基本思路。

    首先是一些定义:

    DEFINITION 1 (REVERSE REACHABLE SET). Let v be a node in G, and g be a graph obtained by removing each edge e in G with 1−p(e) probability. The reverse reachable (RR) set for v in g is the set of nodes in g that can reach v. (That is, for each node u in the RR set, there is a directed path from u to v in g.)

    反向可达集:节点v是图G中的一个节点,将G中所有边以1-p(e)的概率删去得到图g。在图g中能够到达节点v的节点集合就是节点v的反向可达集。

    DEFINITION 2 (RANDOM RR SET). Let G be the distribution of g induced by the randomness in edge removals from G. A random RR set is an RR set generated on an instance of g randomly sampled fromG, for a node selected uniformly at random from g.

    随机反向可达集:图g是从图G中随机采样生成的,节点也是随机均匀地选择的。

           通过以上定义可知,如果节点u出现在节点v的反向可达集中,那么从u到v一定存在一条路径,也就是u有一定概率能够影响v。那么覆盖更多RR set就意味着能影响更多的节点,基于以上的思想算法如下:

    • (采样过程)生成一定数量的RR set;
    • (节点选择过程)贪婪地选择节点。每次选出一个覆盖RR集合最多的节点,选中后对整体数据结构进行更新(遍历该节点所覆盖的RR集,对每一个覆盖相同RR集的节点覆盖数减一),然后继续选择下一个节点。

            当然该选择生成多少RR set才能满足理论上的近似保证是这几篇文章最关键的地方。生成RR set越少,时间性能就越好。当然实验的评估标准除了时间还有内存消耗以及影响力大小。

    这几篇文章有的是直接生成指定数量的RR set,有的是不断生成测试满足条件就不再生成。具体数学细节有兴趣的同学可以去下载这四篇文章去看下。

     

     

     

     

  • 相关阅读:
    金融学专业排名
    学经济学专业排行榜
    国内,美国数学专业排名
    为什么国外程序员爱用苹果 Mac 电脑?
    计算机专业-世界大学学术排名,QS排名,U.S.NEWS排名
    基金合作伙伴
    融资晚报:一大波创业公司获得融资
    有哪些适合学生参与的 C++,网络编程方面的开源项目?
    SuperSocket内置的命令行协议的解析
    C# Socket 您的主机中的软件中止了一个已建立的连接 An established connection was aborted by the software in your host machine
  • 原文地址:https://www.cnblogs.com/xctcherry/p/8447486.html
Copyright © 2011-2022 走看看