通过使用一种新的算法来检测高影响力的用户,即使只知道社交网络的拓扑结构,攻击者仍能在社交网络中激起不和谐,我们证明了这种攻击是可能的。
Jun, 2023
研究了社交网络上的多数决策问题,在形成初步决策后,考虑交互作用对决策的影响,并探讨在不同的社交网络条件下,少数服从多数的情况是否成立以及信息聚合是否有效。
Jul, 2012
研究 Majority Model 和 Random Majority Model 在 social network 中的表现,证明了其稳定配置状态需要指数级的时间,以及稳定涂色方案的数量,对初态随机涂色的期望涂色数量进行了分析,并且研究了 “获胜集合” 大小的下界。
Feb, 2023
在一个定向网络中,通过开发新颖的证明技术,我们提供了一个有着最佳可能近似保证的多项式时间近似算法,同时利用目标函数的单调性和子模性以及蒙特卡洛方法破解了计算问题的艰难之处,并在各种真实和合成网络上的实验中证明了我们提出的算法胜过其他算法。此外,我们还在理论和实验上调查了上述过程的收敛时间,特别是在不同的图参数下,如节点 / 边的数量,最大出度和直径,证明了收敛时间的若干紧密边界。
Dec, 2023
本文研究了主流模型在不同随机图中的表现,证明了连接度阈值可以切换颜色,同时发现此模型可作为 `good' and`fast' density classifier,此外还提出了一种在正规扩展图中的方法来使其快速转化。
May, 2018
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
研究了匿名代理网络中 Plurality Consensus 在 Gossip 模型中的运作,定义了新的度量 —— 单色距离来描述初始状态色彩的差距并证明了其关于收敛时间的紧确界性质,最终设计了基于随机游走的快速协议用于在正则扩展图上完成多数派表决。
Jul, 2014
本研究采用社会舆论动力学模型,将宣传设计问题形式化为识别目标受众的问题,旨在通过他们的积极反馈最大化信息在社交网络中的整体积极反馈,我们设计了解决该问题的算法,并在实际数据上进行了实验,证明了算法的高效性和实用性。
Jan, 2013
本文提出了一种新的基于社会影响力和社会一致性的中心性衡量标准,并构建了一个新的动态观点形成模型,然后设计了一个算法用于在社交网络中寻找对其他节点有重要影响的小子集,实验证明该算法显著优于其他现有方法。
Aug, 2022
分析意见在社交网络中扩散的算法性质,表明确定个体是否收敛于稳定意见的问题是 PSPACE 完全的。
Dec, 2019