BriefGPT.xyz
Jan, 2016
稳健影响力最大化
Robust Influence Maximization
HTML
PDF
Wei Chen, Tian Lin, Zihan Tan, Mingfei Zhao, Xuren Zhou
TL;DR
该论文提出了鲁棒性影响最大化问题,通过参数不确定性建立最坏情况下影响扩散率与最优解之间的最大比率。其通过解决方案相关的方法设计了一种算法来解决这个问题,并进一步研究了均匀采样和自适应采样方法来提高影响最大化任务的鲁棒性。实验结果显示,参数不确定性可能会严重影响影响最大化的性能,并且基于信息级联的自适应采样方法可能是提高鲁棒性的有效方法。
Abstract
In this paper, we address the important issue of
uncertainty
in the edge influence probability estimates for the well studied
influence maximization
problem --- the task of finding $k$ seed nodes in a social netw
→