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。
