Główne pojęcia
ネットワーク上の各ノードの個人の影響力を推定し、その影響力の合計を最大化するような種子ノードを選択する。
Streszczenie
本論文では、ネットワーク上の影響力最大化問題を新たな視点から検討している。従来の研究では、ネットワーク上のノード数の最大化を目的としていたが、本論文では各ノードの個人の影響力(Individual Treatment Effect: ITE)の合計を最大化することを目的としている。
具体的には以下の3つのステップから成る新しいアルゴリズムCauIMを提案している:
観測データからITEを推定する
ITEに基づいて伝播モデルを定義する
ITEの合計を最大化するような種子ノードを選択する
理論的には、従来の(1-1/e)近似最適解保証を一般化した新しい保証を示している。また、ITEの推定誤差に対するロバスト性も分析している。
実験では、従来手法と比較して提案手法CauIMの有効性と堅牢性を示している。特に、ITEの合計を最大化することで、従来手法よりも良好な結果が得られることを確認している。
Statystyki
各ノードのITEの合計を最大化することが目的である
ITEの推定誤差に対してロバストである
Cytaty
"我々は新しいフレームワークCausal Influence Maximization (CauIM)を提案する。これは、ハイパーグラフ上での因果的影響力最大化の初めての試みである。"
"理論的には、我々は(1-1/e)近似最適解保証の一般化版を示し、推定誤差に対するロバスト性も分析する。"
"実験では、提案手法CauIMが従来手法よりも有効性と堅牢性を示す。特に、ITEの合計を最大化することで、従来手法よりも良好な結果が得られる。"