Community-based influence maximization in social networks under a competitive linear threshold model

هدف اصلی در حداکثر سازی نفوذ، که توسط ایده بازاریابی ویروسی در شبکه های اجتماعی انگیزه یافته است، یافتن یک زیرمجموعه از کاربران کلیدی است که به حداکثر رساندن نفوذ تحت یک مدل انتشار خاص. تعدادی از مطالعات در طول چند سال گذشته انجام شده است که سعی دارند این مسئله را با در نظر گرفتن یک محیط غیر نژادپرستانه که تنها یک بازیکن بدون رقیب وجود دارد، حل کند. با این حال، در حالات دنیای واقعی، همیشه بیش از یک بازیکن رقابت با دیگر بازیکنان برای تأثیر بیشتر بر گره ها وجود دارد. این به حداکثر رساندن تاثیر رقابت نامیده می شود. بر این اساس، ما سعی می کنیم مشکل حداکثر سازی تاثیر رقابتی را با پیشنهاد یک مدل انتشار جدید که گسترش مدل پیش فرض خطی است و توانایی تصمیم گیری را به گره ها در مورد گسترش نفوذ ورودی می دهد، حل کنیم. ما همچنین یک الگوریتم کارآمد برای پیدا کردن گره های تاثیرگذار در یک گراف اجتماعی خاص تحت مدل پیشنهادی پیشنهاد شده است که از ساختار جامعه این نمودار برای محاسبه گسترش هر گره به صورت محلی در جامعه خود استفاده می کند. هدف از الگوریتم ما یافتن حداقل تعداد گره های دانه است که می تواند گسترش بیشتری را در مقایسه با گسترش حاصل از گره های انتخاب شده توسط دیگر رقیب به دست آورد. آزمایشات ما در دنیای واقعی و مجموعه داده های مصنوعی نشان می دهد که رویکرد ما می تواند گره های تاثیرگذار را در یک زمان مناسب در نظر بگیرد.