Core Concepts
Das Ziel ist es, einen Satz von k Startknoten zu finden, der die Summe der Interessenwerte der beeinflussten Knoten maximiert.
Abstract
Der Artikel befasst sich mit dem Problem der Interessenmaximierung in sozialen Netzwerken. Dabei wird das Netzwerk als gewichteter gerichteter Graph G(V, E) modelliert, wobei jeder Knoten u einen Interessenwert η(u) hat. Das Ziel ist es, einen Satz von k Startknoten S zu finden, der die Summe der Interessenwerte der beeinflussten Knoten maximiert.
Der Artikel zeigt zunächst, dass das Problem der Interessenmaximierung unter dem Linearen Schwellenmodell (LTM) NP-schwer ist. Es wird eine lineare Programmformulierung für das Problem unter LTM vorgestellt. Darüber hinaus werden vier heuristische Algorithmen für das Problem der Interessenmaximierung entwickelt:
- Level-Based Greedy Heuristic (LBGH): Wählt die Startknoten basierend auf ihrer Ebene im Netzwerk und ihrem Grad.
- Maximum Degree First Heuristic (MDFH): Wählt die Startknoten mit dem höchsten Grad.
- Profit Based Greedy Heuristic (PBGH): Wählt iterativ den Knoten mit dem höchsten Profit, definiert als die Summe der Interessenwerte seiner nicht-beeinflussten Nachbarn.
- Maximum Profit Based Greedy Heuristic (MPBGH): Ähnlich wie PBGH, aber der Profit eines Knotens wird durch Ausführen der Diffusion mit diesem Knoten als Startknoten berechnet.
Die Heuristiken werden auf realen Benchmark-Datensätzen für beide Diffusionsmodelle (LTM und ICM) getestet. Die Ergebnisse zeigen, dass MPBGH die besten Ergebnisse in Bezug auf die Maximierung des Interessenwerts liefert.
Stats
Die Interessenmaximierung unter dem Linearen Schwellenmodell ist NP-schwer.
Für einen Knoten u berechnet sich der Profit p(u) als die Summe der Interessenwerte seiner nicht-beeinflussten Nachbarn.
Für MPBGH wird der Profit p(u) berechnet, indem die Diffusion mit u als Startknoten ausgeführt wird und die Summe der Interessenwerte der beeinflussten Knoten genommen wird.
Quotes
"Das Ziel ist es, einen Satz von k Startknoten zu finden, der die Summe der Interessenwerte der beeinflussten Knoten maximiert."
"MPBGH selektiert einen Startknoten basierend auf seiner Diffusionsstärke, was dazu führt, dass hoch interessierte Knoten, die mehr als einen Hop entfernt sind, profitieren."