Intertwined Viral Marketing through Online Social Networks
传统的病毒式营销问题旨在为一个单一产品选择种子用户的子集，以最大限度地提高其在社交网络中的知名度。但在现实场景中，可以同时在社交网络推广多个产品。在产品层面上，这些产品之间的关系可能非常复杂，例如，竞争、互补和独立。在本文中，我们将研究“交织影响力最大化“（即，TIM）问题，我们的目标是在网上社交网络，其中多个其他竞争/互补/独立的产品被同时推广。TIM问题是非常具有挑战性的解决，由于（1）很少有现有的模型可以同时处理多个产品的交织扩散过程，以及（2）目标产品的最佳种子用户选择可能依赖于其他产品的营销策略很多。针对TIM问题，提出了一个统一的贪婪框架TIER（interTwinedInfluenceEstimatoR）.在四种不同类型的真实社交网络上进行的大量实验表明，TIER在解决TIM问题方面具有显著的优势，优于所有的比较方法。
2016-07-02 cs.DB cs.SI
Mitigating Overexposure in Viral Marketing
在口碑推荐和病毒式营销的传统模型中，目标函数通常基于尽可能多的人。然而，一些研究表明，通过口碑传播产品会导致过度传播，影响到对产品持负面评价的人。这可能会导致一种效果，即产品的过度宣传可能会产生负面的声誉效应，因为它会接触到一部分不接受它的受众。当存在过度宣传的风险时，人们应该如何利用社会影响力？在本文中，我们开发和分析了这个过程的理论模型;我们展示了它如何捕捉一些与过度扩张相关的定性现象，并且对于我们模型的主要制定，我们提供了一个多项式时间算法来找到最佳营销策略。我们还提出了真实网络拓扑模型的模拟，量化我们的最佳策略优于自然基线的程度
2017-11-08 cs.DM cs.DS cs.SI
Dynamic Gradient Influencing for Viral Marketing Using Graph Neural Networks
University of California, Santa Barbara（加州大学圣巴巴拉分校）
本文提出数据驱动的DVM问题及DGI方法，利用GNN和梯度排序选择低预算高影响力的非采纳者进行动态扰动，在真实属性网络上显著降低预算并提升AUC。
2025-02-19 cs.CR cs.LG cs.SI
Stop-and-Stare: Optimal Sampling Algorithms for Viral Marketing in Billion-scale Networks
影响力最大化（Influence Maximization，IM）是一个多领域的核心问题，即寻找一小部分关键用户，使他们的影响力在网络中广泛传播。它可应用于病毒式营销、流行病控制和评估复杂系统内的连锁故障。尽管付出了巨大的努力，但Facebook、Twitter和万维网等数十亿规模网络中的IM问题仍未得到令人满意的解决。即使是最先进的方法，如TIM+和IMM，在这些网络上也可能需要几天的时间。在本文中，我们提出了SSA和D-SSA，两个新的抽样框架，基于IM的病毒式营销问题。SSA和D-SSA比SIGMOD'15最佳方法IMM快1200倍，同时提供相同的$(1-1/e-ε)$近似保证。我们的框架是一个创新的Stop-and-Stare策略，在这个策略中，他们在指数检查点停止，以验证（凝视）解决方案质量是否有足够的统计证据。理论上，我们证明了SSA和D-SSA是第一个近似算法，使用（渐近）最小数量的样本，满足严格的理论阈值，其特征在于IM。通过对IM和另一个主题感知病毒式营销问题TVM的真实网络数据的大量实验，证实了SSA和D-SSA的绝对优势。源代码可在https://github.com/hungnt55/Stop-and-Stare上获得
2017-02-22 cs.DS cs.SI physics.soc-ph
Profit Maximization for Viral Marketing in Online Social Networks using Two Phase Diffusion Approach
Indian Institute of Technology Jammu（印度技术研究所詹穆分校）
本文提出双阶段扩散方法，通过分阶段分配预算以提高在线社交网络中病毒营销的利润
2026-01-22 cs.SI
Large Social Networks can be Targeted for Viral Marketing with Small Seed Sets
在“小费”模型中，社会网络中的每个节点代表一个个体，如果他的邻居中有一定数量的人之前拥有该财产，那么他就会采取某种行为。病毒式营销者的一个关键问题是确定网络中的初始“种子”集，以便如果给定一个属性，则整个网络采用该行为。在这里，我们介绍了一种快速找到扩展到非常大的网络的种子集的方法。我们的方法找到了一组节点，保证在小费模型下传播到整个网络。在对31个真实世界的网络进行实验评估后，我们发现我们的方法经常发现这样的集合比种群规模小几个数量级。我们的方法也可以很好地扩展-在一个由560万个节点和2800万条边组成的社交网络上，我们在3.6小时内发现了一个种子集。我们还发现，高度聚集的地方社区和密集的网络范围内的社区结构一起抑制了一种趋势的能力，在小费模型下传播。
2013-03-15 cs.SI physics.soc-ph
A Scalable Heuristic for Viral Marketing Under the Tipping Model
在“小费”模型中，社交网络中的每个节点代表一个个体，如果他的一定数量的邻居当前表现出相同的特性或行为，则采用该特性或行为。在病毒式营销中，一个关键的问题是从网络中选择一个初始的“种子”集，这样整个网络就可以采用种子的任何行为。在这里，我们介绍了一种快速找到扩展到非常大的网络的种子集的方法。我们的方法找到了一组节点，保证在小费模型下传播到整个网络。在对31个真实网络进行实验评估后，我们发现，我们的方法通常会找到比种群规模小几个数量级的种子集，并且在大多数情况下优于节点中心性度量。此外，我们的方法可扩展性很好-在由560万个节点和2800万条边组成的社交网络上，我们在3.6小时内找到了一个种子集。我们的实验还表明，我们的算法提供了小的种子集，即使高度的节点被删除。最后，我们发现，高度聚集的地方社区，加上密集的网络范围内的社区结构，抑制趋势的能力，在小费模型下传播。
2013-09-11 cs.SI physics.soc-ph
An Integrated Framework for Competitive Multi-channel Marketing of Multi-featured Products
对于任何公司来说，为了推销其产品，都有多种渠道可以接触到人群。一些最知名的渠道是（a）大众媒体广告，（b）使用社交广告的推荐，以及（c）使用社交网络的病毒式营销。该公司希望最大限度地扩大其覆盖范围，同时也考虑到竞争产品的同时营销，其中产品营销可能不是独立的。在这个方向上，我们提出并分析了一个多功能的推广经典的线性阈值模型。因此，我们开发了一个框架，考虑到营销渠道整合到社会网络，并在这些渠道之间分配预算的方法。
2018-04-16 cs.SI
Scalable Cost-Aware Multi-Way Influence Maximization
病毒式营销不同于其他营销策略，因为它利用了亲密关系中的影响力，例如，亲密的朋友，家庭成员，夫妻由于Facebook、Twitter和Pinterest等社交网络服务的发展和普及，近年来出现了“社交媒体营销”的新概念，并为在线实现大规模和流行的病毒式营销提供了新的机会。为了促进销售增长，企业正在大力拥抱社交媒体。据《今日美国》报道，运行企业社交网络的软件销售额将以每年61%的速度增长，到2016年将达到$6.4$亿美元的规模。
2015-06-26 cs.DS cs.SI physics.soc-ph
Branching Dynamics of Viral Information Spreading
尽管它对谣言或创新传播，点对点合作，社交网络或营销的重要性，但信息传播的动态并没有得到很好的理解。由于扩散依赖于人类行为的异质模式，并由参与者的决策驱动，其传播动力学表现出传统流行病或传染病模型无法解释的令人惊讶的特性。在这里，我们对我们对真实病毒式营销活动的研究进行了详细分析，其中跟踪受控消息的传播使我们能够分析涉及31，000多人的扩散图的结构和动态。我们发现，信息传播显示了一个非马尔可夫分支动力学，可以通过两步贝尔曼-哈里斯分支过程，概括了文献中已知的静态模型，并结合了人类行为的高度可变性。它准确地解释了“引爆点”下信息传播的全部特征，可用于病毒信息传播过程的预测和管理。
2011-10-09 cs.SI physics.soc-ph
Incentive Compatible Influence Maximization in Social Networks and Application to Viral Marketing
信息扩散和影响力最大化是社交网络中的重要问题，也是广泛研究的问题。在影响力最大化问题的背景下，文献中已经提出了各种模型和算法。所有这些研究中的一个关键假设是，社会规划者知道影响概率。这种假设是不现实的，因为影响概率通常是个体代理人的私人信息，战略代理人可能不会如实地透露它们。此外，影响概率可以随着网络中流动的信息的类型和信息在网络中传播的时间而显著变化。在本文中，我们使用一个机制设计的方法，从代理人真实地得出影响概率。我们首先使用一个简单的模型，即影响者模型，在这个模型中，我们假设每个用户都知道她对邻居的影响程度，但这是私人信息。在第二个模型中，影响者-受影响者模型，这是更现实的，我们通过结合影响者和受影响者报告的概率值来确定影响概率。在第一个模型的背景下，我们提出了如何VCG（Vickrey-Clarke-Groves）机制可以用来真实地引出的影响概率。我们的主要贡献是设计一个评分规则为基础的机制的影响者-受影响者模型的上下文中。特别是，我们的激励相容性的机制时，评分规则是适当的，并提出了一个反向加权评分规则为基础的机制作为一个适当的机制来使用。我们还简要讨论了这样一个机制在病毒式营销应用的实施。
2011-02-07 cs.GT cs.SI physics.soc-ph
Viral Marketing in Social Networks with Competing Products
The Australian National University（澳大利亚国立大学）；Fudan University（复旦大学）
针对竞争产品社交网络中的病毒式营销，提出基于单调性和子模性的多项式时间近似算法，并给出收敛时间的紧界，实验证明其优于现有算法。
2023-12-25 cs.AI cs.DS cs.SI
The Key Elements of Viral Advertising. From Motivation to Emotion in the Most Shared Videos
从90年代中期开始，病毒式传播概念在商业传播中的应用为品牌提供了一个机会，使其能够跨越受众对广告的传统障碍，并将其转变为品牌信息的积极传播者。从那时起，病毒式营销就基于两个基本原则：向个人提供免费和吸引人的内容，掩盖其商业目的，并使用点对点传播系统。被动的观众到一个积极的用户谁广播广告赞助商推广的信息的转换，响应的需要和动机的个人和内容的特点，这已经描述了以前的研究在这一领域，主要是通过定量的方法，基于用户的看法。本文重点研究了在2006年至2013年期间使用内容分析的25个最受欢迎的病毒式视频广告中，在其先前的研究中检测到的作为分享行为推动者的那些元素。获得的结果显示了这些视频中最常见的特征，以及最成功的病毒视频中惊喜和喜悦作为主导情绪的突出表现。
2015-05-08 cs.SI
An Effective Marketing Strategy for Revenue Maximization with a Quantity Constraint
近年来，影响力最大化问题因其在病毒式营销和产品促销中的应用而受到广泛关注。然而，这种影响力最大化问题并没有考虑到货币对个人购买决策的影响。为了弥补这一差距，在本文中，我们的目标是最大化的收入考虑的数量约束的促销商品。对于这个问题，我们不仅要确定一个适当的小群体的个人作为种子促销，而且还确定商品的定价。为了解决收益最大化问题，我们首先引入了一个战略搜索算法，称为算法PRUB，这是能够得到最优解。在此之后，我们进一步修改PRUB提出了一个启发式，算法PRUB+IF，更有效地获得可行的解决方案，在较大的情况下。在真实社交网络上的实验表明了PRUB和PRUB+IF的有效性。
2015-05-23 cs.SI
Space-time budget allocation policy design for viral marketing
我们正式解决意见动态的问题时，社会网络的代理（例如，消费者）不仅受到其邻居的影响，而且受到被称为营销者的外部有影响力的实体的影响。有影响力的实体试图通过使用特定的影响力预算来尽可能接近期望的意见来影响整体意见。我们假设实体的外生影响发生在离散时间的广告活动，因此，整体闭环的意见动态成为一个线性脉冲（混合）。解决的主要技术问题是发现营销人员应该如何分配其预算随着时间的推移（通过营销活动）和空间（代理之间），使代理的意见尽可能接近所需的意见。我们的主要研究结果表明，营销人员必须根据他们的初始条件，他们在社交图中的影响力和他们所属的集群的大小来优先考虑某些代理。相应的时空分配问题制定和解决几个特殊情况下的实际利益。从我们的分析中可以提取有价值的见解。例如，在大多数情况下，我们证明了营销人员有兴趣在过程开始时投入大部分预算，并且根据著名的注水分配规则，预算应在代理商之间共享。数值例子说明了分析。
2020-11-17 cs.SI cs.SY econ.GN
When Social Influence Meets Item Inference
用于产品推荐和病毒式营销的研究问题和数据采掘技术已经被广泛研究。现有的社交网络中的种子选择工作没有考虑电子商务商店中的产品推荐的效果。在本文中，我们研究的种子选择问题的病毒式营销，同时考虑社会影响力和项目推理（产品推荐）的影响。我们开发了一个新的模型，社会项目图（SIG），捕捉这两种效果的形式hyperedges。相应地，我们制定了一个种子选择问题，称为社会项目最大化问题（SIMP），并证明了SIMP的硬度。我们设计了一个高效的算法，称为Hyperedge-Aware Greedy（HAG）的性能保证，为SIMP和开发一个新的索引结构，称为SIG-索引，以加速计算的扩散过程中的HAG。此外，为了构建现实的SIG模型SIMP，我们开发了一个基于统计推断的框架，从数据中学习超边的权重。最后，我们对我们的提案进行了全面评估，并采用了各种基线。实验结果验证了我们的想法，并证明了所提出的模型和算法的有效性和效率超过基线。
2016-02-15 cs.SI
Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks
病毒式营销是社交社区口碑营销的重要方法。这些运动的目的是鼓励人们积极活动。本文研究了激励和非激励活动的问题。基于在真实社交网站中收集的数据，对这两种方法进行了比较。实验结果显示，一个高动机的活动不一定提供更好的结果，由于重叠效应。其他研究表明，可以根据其服务概况预测活动中单个社区成员的行为，但分类准确性可能有限。
2013-03-10 cs.SI physics.soc-ph
Computational Models for Commercial Advertisements in Social Networks
识别网络中值得注意的传播者对于理解传播过程和控制网络中传播的范围至关重要。拥有更多内在力量来扩大传播范围的节点非常重要，因为需要各种应用程序，例如病毒式营销，控制谣言传播或更好地了解疾病的传播。作为病毒式营销的一种应用，在固定预算的情况下实现最大化是广告业务的基本要求。分发固定数量的促销物品以最大化病毒覆盖范围可以利用影响者检测方法。为了检测这样的“影响者”节点，存在诸如度中心性（通常用作度内中心性）的局部度量或诸如k壳分解或特征向量中心性的全局度量。所有的方法都可以对图进行排序，但它们都有局限性，并且仍然没有事实上的方法用于该领域的影响者检测。在本文中，我们提出了一个扩展的k-shell算法，更好地利用k-shell分解识别病毒传播节点使用网络的拓扑特征。我们使用易感-感染-传播模型对真实网络中的传播过程进行了模拟，模拟结果表明，在相同的初始传播者数量下，我们的方法可以在同一网络中达到高达36%的人群。
2019-04-30 cs.SI physics.soc-ph
Location and audience selection for maximizing social influence
病毒式营销活动主要针对那些在社交网络中处于中心地位并因此具有社会影响力的个人。然而，营销活动可能会吸引不同的受众。尽管事件营销的重要性，异质目标群体的影响还没有得到很好的理解。在本文中，我们定义的传播潜力（SP）的问题，其中不同的代理集需要评估和比较的基础上，他们的社会影响力。SP的一个典型应用是为一系列营销活动选择地点。SP问题在两个方面不同于众所周知的影响力最大化（IM）问题。首先，它处理的是集合而不是节点。第二，这一套是多样化的，由有影响力的和普通的代理人组成。因此，SP也需要评估普通代理人的贡献，而IM的目标只是找到顶级传播者。我们提供了一个系统的测试排名的影响措施在SP问题的基础上，节点抽样和一种新的统计方法，排名差异的总和。使用线性阈值扩散模型的在线社交网络，我们评估了七个网络的社会影响力的措施。我们表明，这些影响措施的统计评估是显着不同的SP问题，当低排名的个人存在，从IM问题，当我们专注于算法的首选完全。
2022-01-01 cs.SI
Optimal Mix of Incentive Strategies for Product Marketing on Social Networks
我们考虑的问题，设计一个产品的病毒式营销的激励策略。特别是，我们假设卖方可以通过提供两种激励计划来影响产品的渗透率：a）对潜在买家的直接激励（影响力）和b）对影响潜在买家进行购买的客户的推荐奖励（利用连接）。问题是要确定这些方案在有限的时间范围内的最佳时机。与文献中流行的算法观点相反，我们采用平均场方法，并将问题表述为连续时间确定性最优控制问题。我们发现，卖方的最优策略有一个简单的结构，可以采取两种形式，即，影响和利用和利用和影响。我们还表明，在某些情况下，它可能是最佳的卖方部署激励计划主要是低度节点。我们通过数值研究支持我们的理论结果，并通过分析各种场景提供实用的见解。
2012-03-01 cs.SI physics.soc-ph
Popular Topics Spread Faster: New Dimension for Influence Propagation in Online Social Networks
在线社交网络（Online Social Network，OSN）的信息传播速度快，成为病毒式营销的重要平台。尽管在过去的十年中，OSN中的病毒式营销相关问题已经得到了广泛的研究，但现有的工作都假设已知的传播速率，并且无法解决流行主题的速率可能动态增加的情况。在本文中，我们提出了一种新的模型，动态影响传播（DIP），它允许传播速率的变化过程中的扩散，可以用来描述信息传播在OSN更真实。在DIP的基础上，我们定义了一个新的研究问题：DIP下的阈值激活问题（TAP-DIP）。TAP-DIP比TAP更一般化，可用于DIP模型的研究。然而，它在已经存在的P-hard TAP问题上又增加了一层复杂性。尽管它的硬度，我们能够近似TAP-DIP与$O(\log|V|)$的比例。我们的解决方案包括两个主要部分：1）Lipschitz优化技术和2）一个新的解决方案的一般版本的TAP，多TAP问题。我们使用各种真实的OSN数据集对我们的解决方案进行了实验测试，并证明了我们的解决方案不仅在知道速率增加时生成高质量但小得多的种子集，而且具有可扩展性。此外，考虑DIP与否对结实率的选择有显著影响。
2017-08-25 cs.SI
Pseudo-Cores: The Terminus of an Intelligent Viral Meme's Trajectory
理解模因的病毒性可以帮助我们解决与流行病学和数字营销等学科有关的问题。因此，自20世纪90年代中期以来，模因论一直是一个高度分析的研究课题也就不足为奇了。一些科学家选择研究模因的内在传染性，而另一些科学家则从网络理论的角度研究这个问题。在本文中，我们重新审视了核心-外围结构的概念，并将其应用于理解社交网络中病毒模因的轨迹。我们已经提出了基于壳的爬山算法来确定从外围壳（模因的起源）到网络核心的路径。对网络行为特征的进一步模拟和分析帮助我们发现了专门的外壳，我们称之为伪核。这些壳层在触发级联的大小方面模拟核心的行为。在我们的实验中，我们考虑了两组目标节点，一组是核心节点，另一组是任何伪核心节点。我们比较我们的算法对现有的路径查找算法，并验证了更好的性能实验。
2015-10-30 cs.SI physics.soc-ph
Revealing Hidden Connections in Recommendation Networks
公司已经越来越多地寻求新的机制，使他们的电子营销活动成为病毒式的，从而获得类似于口碑的级联推荐效果。我们分析了一家杂志出版商的数据集，该出版商使用电子邮件作为主要营销策略，并发现这些活动形成的网络形成了一个非常稀疏的图。我们表明，在线社交网络可以有效地作为一种手段来扩大推荐网络。从一组称为种子用户的用户开始，我们抓取了Google的Orkut，收集了大约2000万用户和8000万关系。接下来，我们通过使用Orkut关系添加新的边来扩展原始推荐网络，从而构建了一个更密集的网络。因此，我们主张在线社交网络比基于电子邮件的营销活动有效得多
2016-06-22 cs.SI physics.soc-ph
Friends or Foes: Distributed and Randomized Algorithms to Determine Dishonest Recommenders in Online Social Networks
由于在线社交网络（OSN）的流行，病毒式营销变得越来越重要。公司可以提供激励措施（例如，通过产品的免费样品）提供给OSN中的一小群用户，并且这些用户向他们的朋友提供推荐，这最终增加了给定产品的整体销售。然而，这也为“恶意行为”打开了大门：不诚实的用户可能会故意向他们的朋友提供误导性的推荐，以扭曲正常的销售分布。在本文中，我们提出了一个检测框架，以确定不诚实的用户在OSN。特别是，我们提出了一套完全分布式和随机算法，并通过推导假阳性概率，假阴性概率和检测轮数的分布来量化算法的性能。还进行了大量的模拟，以说明误导性建议的影响和我们的检测算法的有效性。我们在这里提出的方法将提高安全级别的病毒式营销的OSN。
2014-07-18 cs.SI physics.soc-ph
Opinion Dynamics: A Comprehensive Overview
本综述在统一框架内回顾并分类了观点动力学的知名模型，从收敛特性、病毒式营销和用户特征三个方面总结了关键发现，旨在促进跨学科合作以加速该领域研究进展。
2025-11-01 cs.IT cs.SI math.IT
Virality Prediction and Community Structure in Social Networks
网络结构如何影响扩散？最近的研究表明，答案取决于传染的类型。与传染病（简单传染病）不同，复杂传染病受到社会强化和同质性的影响。因此，在高度聚集的社区内的传播得到加强，而在社区之间的传播受到阻碍。一个常见的假设是，模因和行为是复杂的传染。我们表明，虽然大多数模因确实表现得像复杂的传染病，但少数病毒模因会像疾病一样在许多社区传播。我们证明，未来流行的模因可以通过量化其早期传播模式的社区集中度来预测。一个迷因渗透的社区越多，它的病毒性就越强。我们提出了一种实用的方法，将社区结构的数据转化为关于哪些信息将广泛传播的预测知识。这种联系可能会导致计算社会科学，社交媒体分析和营销应用的重大进步。
2013-11-11 cs.CY cs.SI physics.data-an
Multi-Round Influence Maximization
在本文中，我们研究了多轮影响力最大化（MRIM）问题，其中影响力在多轮中独立地从可能不同的种子集传播，目标是为每轮选择种子，以最大化在至少一轮中被激活的节点的预期数量。MRIM问题模拟了病毒式营销场景，在这种场景中，广告商进行多轮病毒式营销来推广一种产品。我们考虑两种不同的设置：1）非自适应MRIM，其中广告商需要在一开始就确定所有轮次的种子集，以及2）自适应MRIM，其中广告商可以基于前几轮中的传播结果自适应地选择种子集。对于非自适应设置，我们设计了两个算法，表现出一个有趣的效率和有效性之间的权衡：一个跨轮贪心算法，在全球范围内选择种子，实现$1/2 - \varepsilon$近似比，和一个轮内的贪心算法，选择种子轮，实现$1-e^{-(1-1/e)}-\varepsilon \approx 0.46 - \varepsilon$近似比，但节省运行时间的一个因素有关的轮数。对于自适应设置，我们设计了一个自适应算法，保证$1-e^{-(1-1/e)}-\varepsilon$逼近自适应最优解。在所有情况下，我们进一步设计可扩展的算法的基础上的反向影响采样方法，并实现近线性的运行时间。我们在几个真实世界的网络上进行实验，并证明我们的算法是有效的MRIM任务。
2019-06-05 cs.SI
Influence Maximization Considering Influence, Cost and Time
本文提出一个同时优化影响力、成本和时间的新多目标影响力最大化问题，并开发进化变长搜索算法EVEA，在四个真实网络中实现高达19.3%的超体积提升和25-40%的更快收敛。
2025-09-09 cs.NI cs.SI
Pioneers of Influence Propagation in Social Networks
随着在线社交网络上的企业病毒式营销活动的重要性日益增加，对通过网络进行影响力传播的研究的兴趣比以往任何时候都高。在病毒式营销活动中，一家公司最初瞄准一小部分先驱者，希望他们通过网络传播影响力来影响相当大一部分人口。一般来说，任何营销活动都可能在第一次尝试中失败。因此，有一些指南来评估运动的有效性并判断它是否值得进一步的资源，以及如果运动有潜力，如何找到一个可以使运动病毒式传播的好先驱，这将是有用的。本文提出了一个扩散模型，该模型是在广义随机图（又称广义随机图）的基础上发展起来的。配置模型），以深入了解这些问题。我们提供了这个模型的结果背后的直觉，在Blaszczyszyn & Gaurav（2013）中得到了严格的证明，并通过具有原型度分布的随机网络的例子来说明它们-泊松度分布，通常用作一种基准，幂律度分布，通常用于近似真实世界的网络。在这些网络中，假设成员对传播信息有不同的态度。我们分析了三种情况，特别是-（1）伯努利传输，当一个成员以概率p影响每个朋友时;（2）节点渗透，当一个成员以概率p影响所有朋友，而没有以概率1-p影响朋友时;（3）优惠券收集器传输，当一个成员随机选择他的一个朋友K次替换时。我们假设配置模型是一个大型在线社交网络的最接近的近似，当网络的信息是非常有限的。从公司的角度来看，这项研究提供的关键见解是如何评估营销活动的有效性，并通过收集其选择的先驱者的相关统计数…
2013-10-09 cs.DM cs.SI physics.soc-ph
Towards Profit Maximization for Online Social Network Providers
在线社交网络（OSN）吸引了数十亿用户分享信息和交流，病毒式营销已经成为促进产品销售的新方式。OSN提供商经常被广告商雇用来进行病毒式营销活动。OSN提供商从广告商支付的佣金中产生收入，该佣金由其产品信息的传播确定。同时，为了传播影响力，用户执行的活动（例如观看视频广告）通常会给OSN提供商带来扩散成本。在本文中，我们的目标是找到一个种子集，以优化一个新的利润指标，结合影响力传播的好处与影响力传播的OSN提供商的成本。在许多扩散模型下，我们的利润指标是两个次模函数之间的差异，这是具有挑战性的优化，因为它既不是次模也不是单调的。我们设计了一个一般的两阶段框架来选择种子利润最大化，并开发了几个边界来衡量构建的种子集的质量。真实OSN数据集的实验结果表明，我们的方法可以实现高近似保证，并显着优于基线算法，包括最先进的影响力最大化算法。
2017-12-24 cs.DS cs.SI
Dissecting the Meme Magic: Understanding Indicators of Virality in Image Memes
尽管图像模因扮演着越来越重要的角色，但我们还没有对可能使模因在社交媒体上传播的元素有一个坚实的理解。在本文中，我们研究了什么视觉元素区分图像模因是高度病毒性的社交媒体上的那些没有得到重新分享，在三个维度：组成，主题和目标受众。借鉴艺术理论、心理学、市场营销和神经科学的研究成果，我们开发了一个描述图像模因特征的码本，并用它来注释从4chan的Politically Incorrect Board（/pol/）中收集的100个图像模因。一方面，我们发现高病毒性模因更可能使用特写比例，包含人物，并包含积极或消极的情绪。另一方面，不呈现观众可以集中注意力的清晰主题或包含长文本的图像模因不太可能被用户重新共享。我们训练机器学习模型，以区分可能传播的图像模因和那些不太可能被重新分享的图像模因，在我们的数据集上获得了0.866的AUC。我们还表明，我们的模型识别的病毒性指标也可以帮助描述主流在线社交网络上发布的最具病毒性的模因，因为我们的分类器能够预测2016年至2018年间Twitter和Reddit上发布的20个最受欢迎的图像模因中的19个。总的来说，我们的分析揭示了哪些指标表征了在线病毒式和非病毒式视觉内容，并为开发更好的技术来创建或调整更有可能吸引观众注意力的内容奠定了基础。
2021-01-16 cs.CY cs.HC cs.SI
Algorithmic Design for Competitive Influence Maximization Problems
鉴于病毒式营销活动在在线社交网络中的流行，找到一种有效的方法来识别一组最有影响力的节点，以便与其他病毒式营销竞争对手竞争是最重要的。我们提出了一个“一般竞争独立级联（GCIC）”模型来描述两个竞争源在同一网络中的一般影响力传播。我们制定的“竞争影响力最大化（CIM）”问题如下：在一个预先指定的影响力传播模型和竞争对手的种子集是已知的，如何找到一个种子集的$k$节点，以触发最大的影响力级联？我们提出了一个通用的算法框架TCIM的CIM问题下的GCIC模型。TCIM返回概率至少为$1-n^{-\ell}$的$(1-1/e-ε)$近似解，并且具有有效时间复杂度$O(c(k+\ell)(m+n)\log n/ε^2)$，其中$c$取决于特定传播模型，并且还可以取决于$k$和底层网络$G$。据我们所知，这是第一个通用的算法框架，既有$(1-1/e-ε)$性能保证和实际效率。我们在三种特定的影响传播模型下对真实世界的数据集进行了广泛的实验，并展示了我们框架的效率和准确性。特别是，我们实现了四个数量级的加速比相比，以前的国家的最先进的算法的近似保证。
2014-10-31 cs.DS cs.SI
Maximum Coverage and Maximum Connected Covering in Social Networks with Partial Topology Information
病毒式营销活动寻求招募最有影响力的个人来覆盖最大的目标受众。这可以被建模为研究充分的最大覆盖问题。当被招募的节点被连接时，存在相关的问题。它被称为最大连通覆盖问题。这个问题确保了有影响力的节点之间的协调，这些节点是营销活动的骨干。在这项工作中，我们对这两个问题都感兴趣。大多数相关文献都假设网络拓扑结构的知识。即使在这种情况下，问题也是NP难的。在这项工作中，我们提出的算法的最大连通覆盖问题和最大覆盖问题的不同知识水平的网络拓扑结构。我们量化了这些算法与局部和全局贪心算法之间的差异。
2013-12-27 cs.SI physics.soc-ph
Maximizing the Influence of Bichromatic Reverse k Nearest Neighbors in Geo-Social Networks
地理社交网络为地理定位服务的营销和推广提供了机会。在这种情况下，我们探索一个新的问题，称为最大化双色反向k最近邻的影响（MaxInfBRkNN）。我们的目标是找到一组兴趣点（POI），这是地理文本和社会吸引力的社会影响者，预计将在很大程度上促进POI通过在线影响传播。换句话说，该问题旨在检测具有最大口碑（WOM）营销潜力的最佳POI集合。此功能在各种现实生活应用中非常有用，包括社交广告、基于位置的病毒式营销和个性化POI推荐。然而，解决MaxInfBRkNN与理论保证是具有挑战性的，因为禁止开销的BRkNN检索地理社会网络，和NP和#P-硬度在寻找最佳POI集。为了实现实际的解决方案，我们提出了一个框架，精心设计的索引，高效的批处理BRkNN处理算法，以及替代POI选择策略，支持近似和启发式解决方案。在真实数据集和人工数据集上的大量实验证明了我们所提出的方法的良好性能。
2022-04-25 cs.DB cs.SI
StaticGreedy: solving the scalability-accuracy dilemma in influence maximization
影响力最大化，定义为找到一组种子节点以触发影响力最大化传播的问题，对于社交网络上的病毒式营销至关重要。对于大规模社交网络上的实际病毒式营销，要求影响力最大化算法既要有保证的准确性，又要有较高的可扩展性。然而，现有的算法存在可扩展性与精度的矛盾：传统的贪心算法以昂贵的计算量保证精度，而可扩展的启发式算法精度不稳定。在本文中，我们专注于解决这个可扩展性-准确性的困境。我们指出，困境的根本原因是令人惊讶的事实，子模块，一个贪心算法的目标函数的一个关键要求，是不能保证在所有传统的贪心算法的影响力最大化。因此，一个贪心算法必须提供大量的蒙特卡罗模拟，以减少所造成的痛苦，不保证子模块。基于这一重要发现，我们提出了一个静态的贪心算法，名为StaticGreedy，严格保证种子选择过程中的影响扩散函数的子模块。该算法在保证精度的前提下，使计算量减少了两个数量级。此外，我们还提出了一种动态更新策略，在大规模社交网络上，该策略可以将静态贪婪算法的速度提高2-7倍。
2014-02-17 cs.DS cs.SI physics.soc-ph
TipTop: (Almost) Exact Solutions for Influence Maximization in Billion-scale Networks
在本文中，我们研究了成本意识的目标病毒式营销（CTVM）问题，影响力最大化（IM）的推广。CTVM要求最具成本效益的用户影响最相关的用户。与大量的文献相比，我们试图提供精确的解决方案。由于问题是NP难的，因此，精确的解决方案是棘手的，我们提出TipTop，一个$(1-ε)$的最优解决方案，任意$ε>0$，规模非常大的网络，如Twitter。TipTop的核心是一种创新技术，可以尽可能减少样本数量。这使我们能够使用可编程逻辑在生成的样本的更小空间上精确地求解CTVM。此外，TipTop还为研究人员提供了一个工具，可以将他们的解决方案与大规模网络中的最佳解决方案进行基准测试，这是目前尚不可用的。
2019-02-07 cs.SI
A Survey on Influence Maximization in a Social Network
给定一个以扩散概率作为边权重和整数k的社交网络，应该选择哪k个节点进行信息的初始注入，以最大化网络中的影响力？这个问题被称为社会网络中的目标集选择（TSS问题），更通俗地说，是社会影响力最大化问题（SIM问题）。这是一个活跃的研究领域，在计算社会网络分析领域，因为一个半年左右。由于其在各个领域的实际重要性，如病毒式营销，目标广告，个性化推荐，该问题已经在不同的变体中进行了研究，多年来已经提出了不同的解决方法。因此，有必要对这一专题进行有组织的全面审查。本文综述了TSS问题的研究进展。最后，对当前的研究趋势和未来的研究方向进行了展望。
2018-08-16 cs.SI
High Quality Degree Based Heuristics for the Influence Maximization Problem
影响力最大化的问题是选择社会网络中最有影响力的个体。随着社交网站的普及，以及病毒式营销的发展，这一问题的重要性也日益增加。影响力最大化问题是NP难的，因此，除非P=NP，否则不存在多项式时间算法来解决该问题。提出了许多算法，以在较短的时间内找到一个近乎好的解决方案。在本文中，我们提出了两个启发式算法，找到好的解决方案。该算法基于两个思想：（1）度高的顶点在网络中有更大的影响力，（2）附近的顶点对几乎相似的顶点集的影响力。我们评估我们的算法在几个著名的数据集，并表明，我们的算法实现了更好的结果（高达$15\%$的影响蔓延），这个问题在较短的时间（高达$85\%$改善的运行时间）。
2019-04-27 cs.SI
Diversifying Seeds and Audience in Social Influence Maximization
影响力最大化（IM）已被广泛研究，以更好地进行病毒式营销。然而，以前的作品不太强调如何平衡地影响观众在不同的社区，以及如何选择种子节点。在本文中，我们将观众多样性和种子多样性的IM任务。从模型的角度来看，为了在我们的目标函数中表征影响力传播和多样性，我们采用了经济学中常用的三种效用（即，完全替代、完全互补和Cobb-Douglas）。我们通过展示这三个函数的良好性质来验证我们对它们的选择。从算法的角度来看，我们提出了各种近似策略，以最大限度地提高效用。在观众多样化，我们提出了一个解决方案依赖的近似算法，以规避硬度的结果。在种子多样化中，我们证明了一个（$1/e-ε$）近似比的基础上非单调子模最大化。实验结果表明，该框架在效用最大化和结果多样化方面都优于其他自然算法。
2020-03-30 cs.SI
Maximizing the Influence: Analytic Activation Probability Computation Approach
影响力最大化是寻找网络中最具影响力的个体的子集的问题。社交网络对信息传播的影响和病毒式营销的发展使得这一问题成为众多研究的主题。影响力最大化是$\NP$ -困难的，并且已经提出了许多贪心算法来解决该问题。在本文中，我们提出了一个贪心算法，通过使用一种新的解析激活概率计算方法来近似的影响。我们提出了一个非线性方程组来计算激活概率，这是更准确的比国家的最先进的。此外，我们提出了一种方法来计算激活概率有效，以减少算法的运行时间。我们研究我们提出的方法在一些现实世界的数据集。我们的实验表明，所提出的算法优于以前的作品，计算更准确的激活概率。此外，我们的高效方法在运行时间上有很大的改进，因此它可以很容易地在大型网络上扩展。
2020-12-04 cs.SI
Influence Maximization Based on Dynamic Personal Perception in Knowledge Graph
社交网络上的病毒式营销，也被称为影响力最大化（IM），旨在通过最大化其影响力的总传播来选择k个用户来推广目标项目。然而，大多数以前的作品IM不探讨动态用户感知的促进项目的过程中。在本文中，通过利用知识图谱（KG）来捕捉动态用户感知，我们制定了影响力最大化与动态个人感知（IMDPP）的问题，考虑用户的偏好和社会影响，反映了相关项目采用的影响。我们证明了IMDPP的难度，并设计了一个近似算法，命名为动态感知播种在目标市场（Dysim），通过探索的概念，动态可达性，目标市场，和实质性的影响，以选择和促进一系列相关的项目。我们评估的性能与国家的最先进的方法相比，使用真正的社交网络与真正的KG的Dysim。实验结果表明，Dysim在大型数据集中有效地实现了高达6.7倍的影响力传播。
2021-10-01 cs.SI
Efficient and Effective Algorithms for A Family of Influence Maximization Problems with A Matroid Constraint
本文针对带拟阵约束的多种子集合影响力最大化问题，提出具有$(1-1/e-ε)$近似保证的高效算法AMP及其快速实现RAMP，在多个真实网络和工业应用中均优于现有方法。
2024-10-22 cs.DB cs.SI
Top-K Influential Nodes in Social Networks: A Game Perspective
Peking University（北京大学）
影响力最大化是病毒式营销的基础，其目标是在一定的传播模型下找到最大影响力传播的顶级$K$种子节点.本文从博弈的角度研究了影响力最大化问题。我们提出了一个协调博弈模型来研究信息传播，在这个模型中，每个个体都根据与网络邻居的协调利益来做出决策。该模型是对现有的多数票模型和线性阈值模型的推广。在广义模型下，研究了影响力最大化的困难性和贪心算法的近似保证。我们还结合了几种策略来加速算法。实验结果表明，经过加速后，该算法的性能明显优于其他算法，比原贪婪算法快了3个数量级。
2020-06-03 cs.AI cs.SI
Seed Selection and Social Coupon Allocation for Redemption Maximization in Online Social Networks
在线社交网络已经成为利用信息扩散中的社会影响力进行有效病毒式营销的媒介。然而，新兴的应用社会优惠券（SC）纳入社会推荐优惠券不能有效地解决以往的研究，不考虑SC分配的影响。分配的SC的数量限制了每个用户的受影响的朋友的数量。在本文中，我们不仅研究了种子的选择问题，但SC分配的效果，以优化赎回率，这代表了SC分配的效率。在此基础上，提出了一个基于最大赎回的种子选择和供应链分配问题，并证明了该问题的困难性。我们设计了一种具有性能保证的有效算法，称为种子选择和社交优惠券分配算法。对于S3CRM，我们引入了边际赎回的概念来评估种子和SC的投资效率。此外，为了实现均衡投资，我们提出了一种称为保证路径的新的图结构，以探索最优化赎回率的机会。最后，我们对我们提出的算法与各种基线进行了综合评估。结果验证了我们的想法，并显示所提出的算法的有效性超过基线。
2019-02-20 cs.SI
Coupon Advertising in Online Social Systems: Algorithms and Sampling Techniques
在线社交系统已成为病毒式营销的重要平台，其中产品的广告是与用户的沟通进行的。在采用产品之后，种子购买者可以通过在线消息（例如帖子和推特）将信息传播给他们的朋友。在另一个问题上，电子优惠券系统是帮助制造商和零售商吸引更多潜在客户的相关促销工具之一。通过向种子购买者提供优惠券，有机会说服有影响力的用户，然而，最初对产品不是很感兴趣。在本文中，我们提出了一个基于优惠券的在线影响力模型，并考虑如何通过选择合适的种子购买者的利润最大化的问题。本文所考虑的问题与其他影响相关的问题有明显的不同，因为它的目标函数不是单调的。我们提供了一个算法分析，并给出了几个算法设计与不同的采样技术。特别是，我们提出了RA-T和RA-S算法，这不仅是可证明的有效性，但也可扩展的大型数据集。所提出的理论结果进行了评估，在大规模的现实世界的社交网络进行了广泛的实验。本文的分析也为社交网络中的非单调次模极大化问题提供了一个算法框架。
2018-12-13 cs.SI
Local structure can identify and quantify influential global spreaders in large scale social networks
测量和优化大数据在线社交网络中节点的影响力对于许多实际应用非常重要，例如病毒式营销和新产品的采用。由于社交网络上的病毒传播是一个全球性的过程，人们普遍认为，衡量节点的影响力不可避免地需要整个网络的知识。运用渗流理论，我们表明，扩散过程显示出成核行为：一旦一条信息从种子扩散到超过一个小的特征数量的节点，它到达一个不归点，并将迅速到达渗流集群，无论整个网络结构，否则扩散将被包含在本地。因此，我们发现，没有整个网络的知识，任何节点的全球影响力可以准确地衡量使用这个特征数，这是独立的网络规模。这激发了一个有效的算法，具有恒定的时间复杂度的长期存在的问题，最佳种子传播器的选择，与性能显着接近真正的最优。
2018-07-30 cs.CY cs.DS cs.SI
Age of Information Diffusion on Social Networks
本文研究社交网络病毒式营销的多阶段播种优化问题，采用信息年龄衡量信息时效性，推导了AoI动态闭式表达式，并针对峰值和平均AoI问题分别证明了NP困难性及提出了具近似保证的多项式时间算法。
2024-11-14 cs.DM cs.IT cs.SI
Theories for influencer identification in complex networks
在社会和生物系统中，相互作用网络的结构异质性导致一系列动态过程中出现一小部分有影响力的节点或影响者。尽管这些影响者比整个网络小得多，但据观察，它们能够在不同背景下塑造大量人口的集体动态。因此，成功识别影响者应该在各种现实世界的传播动态中产生深远的影响，例如病毒式营销，流行病爆发和级联故障。在本章中，我们首先总结了在复杂网络中发现单个影响者的基于中心性的方法，然后从集体的角度讨论了定位多个影响者的更复杂的问题。将介绍植根于集体影响理论、信仰传播和计算机科学的进展。最后，我们介绍了影响者识别在不同现实世界系统中的一些应用，包括在线社交平台，科学出版物，大脑网络和社会经济系统。
2018-05-03 cs.SI physics.soc-ph
Influence Minimization Under Budget and Matroid Constraints: Extended Version
最近，在线社交网络已经成为政治竞选、病毒式营销和新闻传播的主要战场。因此，“不良行为者”越来越多地利用这些平台，成为其管理人员，企业和整个社会的关键挑战。假新闻的传播是这些行为者滥用社交网络的典型例子。虽然有些人主张采取更严格的政策来控制错误信息在社交网络中的传播，但这种情况往往损害其民主和有机结构。在本文中，我们研究了如何通过删除一些边缘来限制网络中目标用户集的影响。我们的想法是控制扩散过程，同时最大限度地减少网络结构中的干扰量。我们制定的影响力限制问题的数据驱动的方式，考虑到过去的传播轨迹。此外，我们考虑两种类型的约束的边缘去除，预算约束，也是一个更一般的，一组拟阵约束。这些问题在算法设计方面带来了有趣的挑战。例如，我们能够表明，影响限制是APX硬的，并提出确定性和概率近似算法的预算和拟阵版本的问题，分别。我们的实验表明，所提出的解决方案优于基线高达40%。
2019-01-08 cs.SI
Unifying information propagation models on networks and influence maximization
网络上的信息传播是社会科学、行为科学和经济科学的中心主题，具有重要的理论和实践意义，例如病毒式营销的影响力最大化问题。在这里，我们考虑一个模型，统一了经典的独立级联模型和线性阈值模型，并通过考虑连续变量和允许反馈的动态概括它们。然后，我们制定其影响力最大化作为一个混合整数非线性规划问题，并采用导数自由的方法。此外，我们证明了该问题可以在线性动力学的特殊情况下，其中的选择标准是密切相关的Katz中心性，并提出了一个定制的直接搜索方法与局部收敛。然后，我们证明了接近最佳性能的定制的直接搜索数值合成和真实的网络。
2022-09-22 cs.SI math.DS math.OC
A reliability-based approach for influence maximization using the evidence theory
LARODEC, University of Tunis（突尼斯大学LARODEC实验室）；DRUID, IRISA, University of Rennes 1（雷恩第一大学IRISA研究所DRUID团队）
影响力最大化是找到一组社交网络用户（称为影响者）的问题，这些用户可以触发大量的传播。影响力是非常有益的，使营销活动去病毒通过社交网络例如.在本文中，我们提出了一个影响力的措施，结合了许多影响力指标。此外，我们考虑每个影响指标的可靠性，我们提出了一个基于距离的过程，可以估计每个指标的可靠性。建议的措施下定义的信念函数理论的框架。此外，基于可靠性的影响力度量与影响力最大化模型一起使用，以选择能够最大化网络中的影响力的用户集合。最后，我们提出了一组实验从Twitter收集的数据集。这些实验显示了所提出的解决方案在检测高质量的社会影响者方面的性能。
2017-06-30 cs.AI cs.SI
Habituation Effect in Social Networks as a Potential Factor Silently Crushing Influence Maximisation Efforts
信息传播过程是在真实和数字社交网络中观察到的关键现象。网络成员经常受到来自不同来源的信息的压力，例如提高认识的信息活动、病毒式营销、谣言、假新闻或其他活动的结果。信息经常被重复，这种重复可以以累积影响的形式提高绩效。由于处理信息的能力有限，重复的消息也可能被忽略。学习过程导致重复的信息被忽视，因为它们的内容已经被吸收。在这种情况下，反应性随着重复而降低，并且可以观察到习惯化效应。在这里，我们分析传播过程，同时考虑习惯化效应和性能下降以及接触次数的增加。还考虑了在减少消息数量时的恢复能力。结果表明，即使是低习惯性和传播概率的下降可能会大大影响网络覆盖。这可能导致使用影响最大化方法选择的种子集的潜力显著降低。除了习惯化效应对传播过程的影响外，我们还展示了如何使用顺序播种方法来减少习惯化效应。这表明顺序播种比单阶段播种对习惯化效应不那么敏感，并且它可以用于限制对接收消息过载的用户的负面影响。
2021-09-28 cs.SI
Efficient Influence Maximization in Weighted Independent Cascade Model
影响力最大化（IM）问题是在社交网络中找到实现最大影响力传播的种子集。这个问题在病毒式营销中起着重要的作用。已经提出了许多模型来解决这个问题。然而，他们都没有考虑节点的属性。由于只关注网络的结构，使得这些模型在实际应用中存在一定的困难。基于此，我们提出了加权独立级联模型（WIC），它通过在节点上附加属性扩展了独立级联模型的适用性。WIC模型中的IM问题是最大化受影响节点的价值。这个问题是NP难的。针对这一问题，本文提出了一种基本的贪心算法和权重重置（WR）算法。此外，我们提出了有界权重重置（BWR）算法，进一步努力提高效率，通过限制扩散节点的影响。我们证明了BWR是一个完全多项式时间近似方案（FPTAS）。实验结果表明，在增加节点属性的情况下，WIC模型的求解性能比IC模型的求解性能提高了近90%。实验结果表明，BWR算法在精度损失很小的情况下，能获得很好的逼近效果，比贪心算法快三个数量级以上。特别是，BWR可以在几十秒内处理数百万节点的大型网络，同时保持相当高的准确性。结果表明，BWR可以有效地解决IM问题。
2015-10-21 cs.SI
BCIM: Budget and capacity constrained influence maximization in multilayer networks
针对现有带预算影响最大化问题仅考虑预算约束、适配性不足的问题，提出多层网络下的BCIM问题及MMGA算法，满足双约束且效率更高，传播性能较基线提升至少10%，开辟了影响最大化研究新方向。
2024-10-07 cs.SI
