影響最大化的新模型

如果您是一家新成立公司的所有者，那么您很可能會專注于建立品牌知名度，以吸引盡可能多的人。但是如何在預算有限的情況下做到這一點?

這些天來，企業已將一群積極活躍于社交媒體平臺上的人作為推動促銷活動的經濟高效方式。也被稱為“影響者”，他們具有影響他人意見或購買決定的能力。

然后，公司將重點放在影響有影響力的人身上，希望他們的產品信息反過來通過這些有影響力的人廣泛的社交媒體網絡傳播給盡可能多的人。

在社交網絡和計算機科學中，對該過程(稱為“影響最大化”)進行了深入研究。大多數情況下，出于預算考慮，人們只希望選擇少數(有k個)影響者。

然后要回答的重要問題是：公司如何選擇這些k個影響者?他們又將如何為自己的行為建模?他們每個人都獨立地影響他們的聯系還是行為以某種方式聯系在一起?對計算有什么影響?

傳統上的影響力最大化的一種流行模式已經獨立級聯模型，其中假設是，在所有成員網絡獨立他人的影響自己的人脈。

但是，它們的行為中可能存在隱藏的關聯，這些關聯并沒有立即顯現出來。

在新加坡科技設計大學(SUTD)的一組研究人員領導的一項研究中，他們假設網絡成員的行為方式之間的相關性最不利于公司的利益，他們計算出了最佳的k個影響者。因此，假設的模型具有對抗性。

該團隊表明，這種模型比獨立的級聯模型具有計算優勢。他們還比較了他們的模型選擇的種子劑和獨立級聯模型選擇的種子劑。

他們的研究工作還提供了來自示例網絡的結果快照(請參見圖像)。

首席研究員Karthik Natarajan教授說：“評估和增強網絡對抗攻擊的魯棒性在未來的各個領域中都將是重要的。這項工作提供了一些有用的，易于計算的模型，可供實踐者，機構和公司在這種設置中使用。”來自SUTD。

這項工作“相關魯棒影響最大化”在NeurIPS 2020上發表。