-
Efficient Influence Maximization in Social Networks
-
Wei Chen, Yajun Wang, Siyu Yang
-
In KDD
-
2009
概要
-
Wei Chen 劇場の始まりっぽい
-
influence maximization のアルゴリズムを2つ提案
-
greedy based algorithm の高速化
-
ヒューリスティックによるinfluence spreadの近似
アルゴリズム
NewGreedyIC
-
seedを選ぶためにグラフをR=20000個作る
-
Sから到達可能なノードは省く
-
vから到達可能なノード数を計算、これがmarginに相当
-
これの計算は自明ではないが論文ではlinearでできるとかほざいている
-
行列の演算は無理だねー
-
R個の和が最大のノードをseedに加える
DegreeDiscountIC
-
influence spreadを近傍だけから近似
-
$$ 1+(d_v-2t_v-(d_v-t_v)t_vp+o(t_v))p $$
-
こんな感じ
-
$$ d_v $$: vの次数
-
$$ t_v $$: カウンターみたいなの
実験
グラフ
高エネルギー物理理論の共著ネットワーク
結果
influence spread
-
NewGreedyICはCLEFと同じ
-
DegreeDiscountICはものによるけど良さそう(と主張)
実行時間
-
NewGreedyICはCELFとあんまり変わらない
-
DegreeDiscountICはめっちゃ速い
結論
-
ヒューリスティックという方向性は有り
-
問題をもう少し現実的?にする
まとめ
-
NewGreedyICはあれでいいのか?という位高速化されて「いなかった」
-
それっぽい解析があればいいのかなあ
-
DDも定理の仮定がひどいと思う(実際には多分成立しない
KDD influence maximization
最終更新:2013年10月03日 19:10