IMP,影响最大化问题

Influence Maximization Problems

Problem Description

Social network and influence spread

  • 社交网络可以被模型化为有向图G = V,E
  • 每个个体作为V中的结点
  • 每条边有一个[0, 1]的权重,代表被影响的可能性
  • 初始化一个子结点集S,称作seed set,作为影响扩散开始的群体
  • 随机扩散模型(stochastic diffusion model)描述了从S开始的随机扩散过程
  • σ ( S ) \sigma(S) σ(S) 是预期被S影响的结点数量

Goal of IMP

  • 找到使$ \sigma(S) $最大化的S(size为k)

Stochastic diffusion models

Independent cascade(IC)

  • 当结点 u 被激活(初始化或被其他结点激活),它有一次机会激活它的邻居
  • 已激活的结点保持激活状态且对之后的激活没有贡献
  • 边权重 w ( u , v ) = 1 d i n ( v ) w(u, v) = {1 \over d_in (v)} w(u,v)=
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值