.png){kind=icon}
返回
Overlapping community-based fair influence maximization under a multi-transformation optimization algorithm
.png){kind=icon}
OA
AI
DOI：10.1186/s40537-025-01181-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
公平影响最大化（Fair Influence Maximization, FIM）旨在确保社会网络中不同群体间影响的公平传播，同时最大化整体覆盖范围。通过引入公平性约束并利用社区结构，FIM能够减轻偏差并提升影响传播的有效性。尽管其重要性已获认可，但优化FIM目标在计算上具有挑战性，现有方法常忽视社区结构的重叠特性。此外，预先选择最适宜的转换方式也颇具难度，因为不同转换会导致影响传播评估的搜索行为存在差异。为解决这些问题，本研究提出了一种基于重叠社区的多元转换优化算法下的公平影响最大化方法（Overlapping Community-based FIM under a Multi-Transformation Optimization algorithm, OCMTO）。OCMTO同时考虑社区内的重叠与非重叠节点，以平衡影响传播与公平性。该方法采用多元转换进化框架，同步优化多种转换方式，确保可扩展性与收敛性。算法无需手动选择转换方式即可适应不同转换，从而高效探索解空间。同时，OCMTO基于个体重叠程度估计转换间的关系。在真实数据集上的实验结果表明，OCMTO在可扩展性与公平性方面优于现有最先进方法，展现出在数字营销活动、公共卫生干预和政治影响传播等应用中的实践潜力。具体而言，所提算法在平均影响传播方面较最佳现有方法提升了9.2%，同时有效处理了影响、公平性与复杂度之间的权衡关系。
Keyword:
Social Networks
Fair Influence Maximization
Overlapping Community
Multi-Transformation Optimization
Influence Spread
期刊
IF:
6.4
论文数:
1.5K
被引数:
1.1W
机构
引用论文
PHEE: Identifying influential nodes in social networks with a phased evaluation-enhanced search.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Adaptive opinion dynamics over community networks when agents cannot express opinions freely当代理人不能自由表达意见时，社区网络上的适应性意见动态NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Identifying effective nodes in term of the influence maximization on the social IoT networks using deep learning-based node embeddingCOMPUTING
COMPUTINGIF2.8
PREAI
分享收藏Predictive Analysis of Groundwater Resources Using Random Forest Regression利用随机森林回归对地下水资源进行预测分析
PREAI
分享收藏Cost-effective outbreak detection in networksProceedings 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
查看更多内容