在线社交网络的影响力最大化算法

1. 病毒式营销

针对社交网络中最有影响力的用户（例如，通过向他们提供免费或价格优惠的样本），人们可以通过口碑利用网络效应的力量，从而将营销信息传递到网络的很大一部分。

2. 影响力最大化：病毒式营销的关键算法

在一个在线社交网络中选择一组k个用户，即选出具有最大影响力传播的种子集，然后通过信息传播中的种子集来影响用户的预期数量最大。

2.1. 定义：扩散模型和影响扩散

给定社交图 $G=(V,E)$，一个用户集 $S\subseteq V$，扩散模型$M$捕获$S$在$G$上传播信息的随机过程。$S$的影响力扩散（也称为影响力函数），以${\sigma }_{G,M}(S)$表示，是受$S$影响的预期用户数（例如，在病毒性营销中采用新产品的用户），其中${\sigma }_{G,M}(\cdot )$是在用户的任何子集上定义的非负集合函数，即