Core Concepts
本研究では、影響力の最大化に加えて、予算、公平性、コミュニティ、時間などの複数の目的関数を同時に最適化する多目的影響力最大化問題に取り組む。提案手法MOEIMは、グラフ構造を活用した初期化と進化的オペレーターを用いることで、従来手法を大幅に上回る性能を示す。
Abstract
本研究は、影響力最大化(IM)問題に取り組む。IMは、ネットワーク上の特定のノード(シードセット)から情報が最大限に伝播するようなシードセットを見つける問題である。従来のIMは影響力の最大化のみを目的としていたが、本研究では以下の6つの目的関数を同時に最適化する:
影響力の最大化
シードセットサイズの最小化
コミュニティ間の影響力の公平性の最大化
シードセット内の公平性の最大化
予算(シードセットの総出次数)の最小化
伝播時間の最小化
提案手法MOEIMは、グラフ構造を活用した初期化手法と進化的オペレーターを用いることで、従来の最適化手法(ヒューリスティック、多目的進化アルゴリズム、深層学習手法)を大幅に上回る性能を示す。特に、スパース性の高いグラフや予算最小化の問題設定で優位性が確認された。
また、目的関数間の相関分析から、影響力と予算、時間の間に強い相関があることが明らかになった。これは、影響力を最大化しつつ、予算と時間を同時に最小化することの難しさを示唆している。
Stats
影響力の最大値は986
シードセットサイズの最小値は15
コミュニティ間の影響力の公平性の最大値は0.95
シードセット内の公平性の最大値は0.92
予算の最小値は546
伝播時間の最小値は5
Quotes
"本研究では、影響力の最大化に加えて、予算、公平性、コミュニティ、時間などの複数の目的関数を同時に最適化する多目的影響力最大化問題に取り組む。"
"提案手法MOEIMは、グラフ構造を活用した初期化手法と進化的オペレーターを用いることで、従来の最適化手法を大幅に上回る性能を示す。"
"目的関数間の相関分析から、影響力と予算、時間の間に強い相関があることが明らかになった。"