EIOA影响力评估算法

期望精度高

面向加权超图的期望影响力评估方法，可精确计算种子节点的一跳期望影响力，为影响力最大化提供可靠依据。

Pan, Qingtao · Haosen, Wang · 汤俊 · Zhaolin, Lv · Zining, Wang · Xian, Wu · Ruan, Yirun · Tianyuan, Yv · Mingrui, Lao

Information Processing and Management 2024

参数信息

对比算法数量

6

技术优势

评估更准

通过计算期望精确获得一跳区域内的影响力，避免传统启发式方法的偏差。

模型更实

采用自适应传播模型，考虑节点激活状态的动态变化，更贴近真实传播过程。

算法更强

在八个真实世界加权超图数据集上与六种先进算法比较，经统计检验证明显著优势。

应用场景

• 社交网络分析：识别超图中的关键影响者，优化传播策略。
• 推荐系统：基于高阶交互准确评估用户影响，改善推荐质量。
• 信息传播模型：提供自适应传播模型，更真实模拟信息扩散。
• 网络科学：扩展影响力最大化方法至高阶加权网络。