On Budgeted Influence Maximization in Social Networks
-
Huy Nguyen, Rong Zheng
-
JSAC 2013
概要
-
頂点に単一でないコストがついた影響最大化
-
貪欲アルゴリズムをちょっと変形して1-1/√e近似
-
σを効率良く求めるためにDAGを作って信念伝搬っぽいことをやる
Budgeted Influence Maximization
-
情報拡散モデルはIC
-
max σ(S) s.t. c(S)≦b
-
[σ(S+v)-σ(S)]/c(v)で貪欲に選ぶと近似比が任意に悪くなる
-
Improved Greedy
-
↑に従って貪欲に選んだシード集合とs = arg max σ(v)の内の良い方を返す
-
Leskovecのやつは最後まで選んでいたから下位互換な気がする…
-
Improved Greedyは近似比1-1/√e(≒0.394)
-
(1-1/e)/2(≒0.316)より良い←まじか
-
高々σの計算回数はn^2
実験
-
262K, 1.2Mが最大
-
割りと真面目な方がちゃんとした解を出している
-
ヒューリスティクスで端折った方が速い
σの計算
-
とりあえず難しいので辺を削ってDAGにすることを考える
-
LTモデル
-
ICモデル
-
↑なので,ベイジアンネットワークのBelief propagationみたいなことをする
-
DAGの構築
-
必要なσの計算回数を減らす
まとめ
-
1-1/√eは謎なので調べる
-
O(n^4d)回計算OKなら1-1/eもできるらしい
JSAC 影響最大化
2014-06-09 14:08:21 (Mon)
最終更新:2014年06月09日 14:08