Scalable and parallelizable influence maximization with Random Walk Ranking and Rank Merge Pruning

در این مقاله، ما یک روش هرس موثر برای مسئله به حداکثر رساندن بر اساس راه رفتن تصادفی و ادغام رتبه پیشنهاد می کنیم. ایده کلیدی این است که به طور موثری گره های غیر قابل نفوذ را پیدا کرده و از آنها جدا کنید تا به طور چشمگیری میزان محاسبه را برای ارزیابی گسترش نفوذ کاهش دهید. نتایج تجربی ما نشان دهنده کارآیی روش پیشنهاد شده در مقایسه با روش های قبلی پیشرفته است. علاوه بر این، روش ما به راحتی قابل تنظیم می باشد، و در نتیجه سرعت بیشتری می گیرد.