.png){kind=icon}
返回
Overlapping community-based fair influence maximization in social networks under open-source development model algorithm
.png){kind=icon}
OA
AI
DOI：10.1007/s10462-025-11210-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
影响最大化（IM）在社会网络中的目标是识别一组最优用户，以最大化网络中的影响传播范围。公平影响最大化（FIM）是在IM问题基础上发展起来的，旨在实现影响在各社区间的公平分配，并增强信息的公平传播。在FIM的解决方案中，基于社区的技术通过有效捕获结构属性并确保更公平的影响传播来提升性能。然而，这些技术通常忽略了社区的重叠特性，并面临复杂性与公平性之间的权衡。基于此动机，本研究在优化算法下基于重叠社区检测处理FIM问题（FIMOC）。FIMOC包含一种重叠社区检测方法，能够考虑社区中有影响力重叠节点的重要性。同时，FIMOC采用基于社区的节点选择模块（包括非重叠和重叠节点）来识别潜在候选节点。随后，FIMOC使用开源开发模型算法（ODMA）作为优化算法来识别有影响力节点集合。我们的方法考虑了社会社区的动态与重叠特性，确保影响传播不仅最大化，而且在不同群体间得到公平分配。通过利用真实社会网络，我们通过大量实验证明了该方法相较于当前先进方法的有效性。结果表明，我们的方法实现了更平衡的影响传播，提供了更公平的解决方案，同时也增强了信息传播的整体覆盖范围。
Keyword:
Social networks
Fair influence maximization
Overlapping communities
ODMA
Optimization algorithm
期刊
IF:
13.9
论文数:
6.1K
被引数:
1.9W
机构
引用论文
CSR: A community based spreaders ranking algorithm for influence maximization in social networks
PREAI
分享收藏Large-scale influence maximization with the influence maximization benchmarker suite大规模影响最大化与影响最大化基准测试套件
PREAI
分享收藏Cost-effective outbreak detection in networks.png)
Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data miningOAAI
Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data miningIF0
OAAI分享收藏A novel similarity measure of link prediction in multi‐layer social networks based on reliable pathsOAAI
OAAI分享收藏
查看更多内容