异构网络影响力最大化模型

影响力扩散超越14种基线

针对具有聚类结构的异构网络，提出自监督聚类异构图变换器，整合聚类信息并采用级联扩散模型，提升种子节点选择的有效性。

李莹 · Linlin, Li · Xiangyu, Liu · 刘怡君 · 李倩倩

Pattern Recognition 2024

技术优势

兼顾异构与聚类

模型显式聚合节点类型异质性和聚类结构信息，更真实地反映信息扩散过程。

扩散仿真更真实

引入聚类级联模型作为信息扩散模型，考虑聚类内部和之间的传播特性。

性能超越14种基线

在三个学术网络上的实验显示影响力扩散优于14种最新的影响力最大化算法。

应用场景

• 社交网络分析：从异构社交关系与聚类结构中精准选取种子节点，提升信息推广效果。
• 信息传播建模：利用聚类级联模型仿真真实传播路径，替代忽略聚类的简化扩散假设。
• 网络数据挖掘：自动学习节点表示以评估影响潜力，替代手工特征工程。
• 智能体交互建模：为群体交互构建更贴合实际的异质传播模型，支撑影响力最大化分析。