本文提出了一个新的影响力传播模型，即互补竞争独立级联（C ^ 2 IC）模型，它综合了三种广为人知的影响模型，即影响提升（IB）模型，活动无关（CO）IC 模型和带有负面意见的 IC-N（IC 模型）。这是第一个在多代理环境下全面考虑互补和竞争影响传播的模型。相应地，我们提出了互补竞争影响最大化（C ^ 2 IM）问题。通过将不同的级联优先级根据单调性和子模性（M＆S）保持条件分类为 4 个情况，我们分别设计了 4 个算法，并提供了理论逼近界限。我们在真实社交网络上进行了广泛的实验，实验结果证明了所提出算法的有效性。我们希望这项工作可以启发大量的未来探索，构建更加概括的影响模型，以帮助简化该领域的工作。

Feb, 2023

该论文考虑了社交网络中的影响最大化问题，提出了一种可快速从数据中学习的新颖参数化框架并开发了 LinUCB 算法来解决问题。

Mar, 2017

本文针对在社交网络中的时间关键影响最大化问题，扩展了独立级联模型和线性阈值模型，设计了两种启发式算法解决了在规定期限内达到最大影响力传播的问题。

Apr, 2012

本文从数据角度出发，提出一种 credit distribution 模型，结合历史数据和时序属性，较之传统方法更稳健高效的解决了影响力最大化问题。

Sep, 2011

我们通过基于机器学习的框架 DSCom，利用节点属性来估计连接节点之间的亲密度，从而解决影响力重叠问题。与之前的理论工作相比，我们基于真实世界的社交网络设计了参数化扩散模型的经验实验，证明了算法的高效性和有效性。

Nov, 2023

网络中传播的感染是一个基本过程，可以使用独立级联或代表性痕迹等概率模型来指定扩散模式，而影响查询和影响极大化是扩散研究中的基本计算问题，此文提出基于草图的影响最大化算法（SKIM），其性能接近精确贪心算法，但速度快了一至两个数量级，尤其是该算法还具有保证近似比，并使用预处理技术生成节点草图，使任何种子集合的影响都可以从草图上快速回答。

Aug, 2014

本文从博弈的角度研究影响最大化问题，提出了一个协调博弈模型，并在该模型下研究了影响最大化的难度和贪心算法的逼近保证。实验结果表明，优化后的算法比其他启发式算法快三个数量级，并且大大优于原始贪心方法。

Oct, 2018

本文介绍了一个名为 TIM 的算法用于解决影响力最大化问题，可以处理百万节点的图，并融合了独立级联模型和线性阈值模型以及其他扩散模型，该算法通过新颖的启发式方法显着提高了其经验效率而不影响其渐近性能。

Apr, 2014

研究了在独立级联模型和超参数假设下影响最大化的鲁棒性问题，提出了一种新模型来最大化使用几率采样和乘法加权更新的最坏情况下影响用户的数量，并验证了其优于最先进的鲁棒影响最大化技术。

Mar, 2019

本文研究独立级联模型下社交网络中的在线影响最大化问题。提出了 IMLinUCB 算法，可以在实践中应用于大规模问题，并且证明了累积遗憾的多项式边界。

May, 2016