影响最大化的新模型

如果您是一家新成立公司的所有者，那么您很可能会专注于建立品牌知名度，以吸引尽可能多的人。但是如何在预算有限的情况下做到这一点?

这些天来，企业已将一群积极活跃于社交媒体平台上的人作为推动促销活动的经济高效方式。也被称为“影响者”，他们具有影响他人意见或购买决定的能力。

然后，公司将重点放在影响有影响力的人身上，希望他们的产品信息反过来通过这些有影响力的人广泛的社交媒体网络传播给尽可能多的人。

在社交网络和计算机科学中，对该过程(称为“影响最大化”)进行了深入研究。大多数情况下，出于预算考虑，人们只希望选择少数(有k个)影响者。

然后要回答的重要问题是：公司如何选择这些k个影响者?他们又将如何为自己的行为建模?他们每个人都独立地影响他们的联系还是行为以某种方式联系在一起?对计算有什么影响?

传统上的影响力最大化的一种流行模式已经独立级联模型，其中假设是，在所有成员网络独立他人的影响自己的人脉。

但是，它们的行为中可能存在隐藏的关联，这些关联并没有立即显现出来。

在新加坡科技设计大学(SUTD)的一组研究人员领导的一项研究中，他们假设网络成员的行为方式之间的相关性最不利于公司的利益，他们计算出了最佳的k个影响者。因此，假设的模型具有对抗性。

该团队表明，这种模型比独立的级联模型具有计算优势。他们还比较了他们的模型选择的种子剂和独立级联模型选择的种子剂。

他们的研究工作还提供了来自示例网络的结果快照(请参见图像)。

首席研究员Karthik Natarajan教授说：“评估和增强网络对抗攻击的鲁棒性在未来的各个领域中都将是重要的。这项工作提供了一些有用的，易于计算的模型，可供实践者，机构和公司在这种设置中使用。”来自SUTD。

这项工作“相关鲁棒影响最大化”在NeurIPS 2020上发表。