• 文库
  • 字符
  • 转换
  • 加密
  • 网络
  • 更多
    图表
    数学
    坐标
    图片
    文件
  • 文库
    字符
    转换
    加密
    网络
    更多
    图表
    数学
    坐标
    图片
    文件
logo 在线工具大全

社交活动的“超级传播者”:揭秘网络影响力最大化算法在推荐中的应用

出处: mp.weixin.qq.com 作者: 林文清

在现代社交网络中,信息和影响力的传播无处不在。影响力最大化(Influence Maximization,以下简称 IM)旨在找出网络中最有影响力的少数用户,从而最大化信息传播效果。这一概念起源于病毒式营销,即企业通过奖励有影响力的用户(如赠送试用产品)来促进他们在朋友圈推广产品,因为人们通常认为来自朋友或信任源的推荐比商家宣传更可靠。 传统IM模型的目标是找到网络中 s 个节点作为种子集,使其能影响到的节点数最多。然而,在实际应用中,IM 面临着节点容量受限的挑战。例如,在在线社交媒体平台上,尽管有许多内容推广活动,但公众的时间和精力有限,对内容的消费能力(如观看、阅读、转发)也有限,很大程度上影响推广效果。在游戏社交中也是如此,许多在线游戏会推出活动以促进玩家之间的互动,例如通过奖励抽奖券、皮肤碎片等激励玩家参与活动并与好友互动。关键问题在于,如何向活跃参与者(active participant, 简称 ap)推荐有限数量的好友,以便覆盖更多用户。

查看原文 53 技术 lddgo 分享于 2024-06-28