May, 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

PDF
TL;DR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。
influence maximizationsocially salient groupsdisparitytime-criticalitygroup fairness
发现论文，激发创造
  • 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

  • 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

  • 时延扩散过程下的社交网络时间关键影响力最大化

    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

  • 面向社交网络的公平影响最大化对抗性图嵌入

    本研究提出了对于敏感属性公平的影响最大化方法，采用对抗图嵌入的方式得到平衡分布的嵌入向量，并通过聚类方法获得良好的初始节点集合，实验证明其能显著提高公平性同时保持与最先进的影响最大化方法一致的复杂度。

    May, 2020

  • 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

  • 社交网络信息访问中的空白

    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。

    Mar, 2019

  • 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

  • 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

  • 在几乎最优时间内最大化社交影响力

    本论文提出一种运行时间最优的算法，解决网络扩散下影响力最大化问题，通过寻找一组初始种子节点，使得预期级联大小最大化。该算法可在多项式时间内获得近乎最优的近似因子，在之前已知的运行时间 Omega (mnk POLY (1/epsilon)) 的算法的基础上，显著提高了算法速度和精度。

    Dec, 2012

  • 影响力最大化：近似最优时间复杂度 meets 实际效率

    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