科学研究

当前位置: 首页 >> 科学研究 >> 正文

PNAS 2018(美国科学院院刊): Local structure can identify and quantify influential global spreaders in large scale social networks

来源:父子共同开发妻子在线观看人工智能研究院   发布者:服务管理办公室     日期:2019年06月13日 14:13   点击数:  

作者:Hu, Yanqing, Shenggong Ji, Yuliang Jin, Ling Feng, H. Eugene Stanley, and Shlomo Havlin.

摘要:衡量和优化大数据在线社交网络节点的影响力,对于病毒式营销、新产品的采用等许多实际应用都具有重要意义。由于病毒在社交网络上的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了解整个网络。利用渗流理论,我们表明,传播过程显示一个成核行为:一次信息传播从种子到超过一个小特征的节点数量,它只能进不能退的地步,很快就会达到渗流集群,不管整个网络结构;否则,扩散将在本地得到控制。因此,我们发现,在不知道整个网络的情况下,任何节点的全局影响都可以用这个特征数精确地测量出来,这个特征数与网络的大小无关。这激发了一种有效的算法,在长期存在的最佳撒种器选择问题上具有恒定的时间复杂度,性能非常接近真正的最优。

论文链接:https://www.pnas.org/content/pnas/115/29/7468.full.pdf