Mar, 2019

社交网络信息访问中的空白

PDF
TL;DR本研究探讨如何在社交网络中传播信息并最小化访问差距，提出了最小最大社会福利函数作为目标函数，并研究了使用贪心策略进行最小最大优化的困难和实用性，并给出了贪心策略经验证据表明在实践中运作良好。
influence maximizationsocial networksaccess gapmaximin social welfaregreedy-based strategy
发现论文，激发创造
  • 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

  • 社交网络中时间关键的影响力最大化问题的公平性研究

    本研究介绍一种基于社会公正性的群体时间关键影响最大化算法，以避免算法对不同人群信息接收不公平，通过实验表明该算法在合成和真实世界数据集上都表现出了有效性。

    May, 2019

  • 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

  • 最大化社交网络中曝光的多样性

    本文提出了一个新方法来最大化社交网络中推荐新闻文章给特定用户的多样性，以确保用户暴露于不同的观点，而不是陷入过滤气泡。综合考虑用户性向、内容、分享概率等因素，该方法能够在保证信息传播最大化的同时实现多样性的平衡。作者通过引入新颖的随机可达集的概念扩展和以期约束来解决这个开放的挑战性问题，并设计了可扩展的近似算法。实验结果表明，该算法在多个真实世界的数据集上运行效率和可扩展性良好。

    Sep, 2018

  • 社交网络中的信息曝光平衡

    本文提出一种解决在社交网络中平衡信息暴露的问题的算法，通过使用近似算法来找到两组节点，以使两组节点的信息曝光在整个网络中基本上保持平衡。

    Sep, 2017

  • 社交网络中本地信息的力量

    本文研究了局部信息算法在社交网络上的优化问题的能力，重点探讨了顺序算法，其中网络拓扑初始状态未知，并且仅在已不可逆地添加到输出集合的顶点的本地邻域内显示。我们研究了各种问题，并解决了拓扑网络中的一个开放问题，同时还研究了在线网络招聘过程中的最小支配集的问题，并且发现网络提供商的决策会影响用户的战略互动。

    Feb, 2012

  • 社交网络中基于社区结构的公平信息传播

    提出了一种基于网络建模从而实现公平信息扩散的影响最大化算法，可以有效解决社交网络中社群结构问题而不依赖节点属性，并且适用于部分观察和噪声干扰的网络。

    May, 2023

  • 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

  • 通过选择性信息获取实现公平分配

    在资源有限的情况下，为了准确预测贷款人还款能力，银行需要确定筛选标准，本文介绍了一种用线性规划解决这一问题的算法，提高了资源利用率及信息获取并增加预测准确性的价值。

    Nov, 2019