Jan, 2016

利用社交网络支持无家可归者收容所：不确定条件下的动态影响最大化 - 扩展版

PDF
TL;DRHEALER 是一个软件代理机器人，建议无家可归的年轻人在社交网络知识的基础上，有策略性地选择干预参与者来最大化影响扩散，并合理处理网络中的不确定性，以解决 HIV 宣传问题。
发现论文，激发创造
  • 面向处于无家可归状态的青年的 AI 增强型 HIV 预防干预临床试验

    通过艾滋病毒预防，社交网络和人工智能方法，优化社区健康计划以防止青年无家可归者感染艾滋病毒。

    Sep, 2020

  • 公平影响最大化：福利优化方法

    该研究提出了一种基于社会福利理论的公平影响最大化算法框架，旨在解决传统算法中存在的对少数群体不公平的问题，并证明了该框架可以高效地解决优化问题。

    Jun, 2020

  • 影响力最大化中的群体公平

    本文提出了公平性算法框架，运用法律和博弈理论概念，以控制不同人群之间的不公平性，从而改善通常会忽略小团体的传统影响最大化技术，并应用于无家可归的年轻人的 HIV 预防干预的实验结果证实了其有效性。

    Mar, 2019

  • 超参数模型的强鲁棒性影响最大化

    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

  • 社交网络中的 Top-K 影响节点：游戏视角

    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

  • 稳健影响力最大化

    本文研究了鲁棒社交网络算法的影响最大化问题，定义了鲁棒影响最大化框架，并提出了一种能够在多种影响模型和参数设置下提供保证的近似算法，该算法的性能在多组真实数据集上得到了验证。

    Feb, 2016

  • 社交影响最大化的社区感知框架

    提出了一个基于社群感知的分治框架来解决影响力最大化问题，在学习社交网络的内在社群结构、为每个社区解决影响力最大化问题以及使用渐进式费用分配方案来选择最终的种子节点过程中，实现了候选解的生成。实验结果表明，相比标准方法，该框架在运行时间方面表现更好，并且在影响方面比启发式方法表现更好。我们还研究了社区结构对提出的框架性能的影响。实验表明，模块度更高的社区结构能够提高该框架在运行时间和影响力方面的表现。

    Jul, 2022

  • 基于数据的社交影响力最大化方法

    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

  • 面向影响最大化的无模型在线学习

    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

  • 稳健影响力最大化

    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。

    Jan, 2016