Computing and maximizing influence in linear threshold and triggering models
-
Justin T. Khim, Varun Jog, Po-Ling Loh
-
NIPS 2016
概要
-
影響拡散の上下限を新たに作ったよ!
-
下限は単調劣モジュラなので、最大化できて良い解になる
主結果
LTモデル
-
上限 $$ \leq |A| + \mathbf{b}_{\bar{A}}^\top (\mathbf{I}-\mathbf{B}_{\bar{A}\bar{A}})^{-1} \mathbf{1}_{\bar{A}} $$
-
下限 $$ \geq \sum_{0 \leq k \leq m} \omega(P_A^k) $$
-
最悪時には全然駄目、下限=1.5、上限=(n+2)/4
-
適当に仮定を置いて下限/上限をバウンドしようとしている
Triggeringモデル
その他性質
-
下限はすごく特殊な場合(近傍しか見てない)には、単調劣モジュラ
実験
-
目的:上下限がそれ程タイトか?貪欲アルゴリズムはどれくらい良いか?
-
データ:Erdős–Rényi、Preferential attachment、Gridで全て小さめ
-
シードの選び方はシミュレーション回数が全体的に雑
まとめ
NIPS 影響拡散 影響最大化
2017/10/02
最終更新:2017年10月02日 16:08