Fractional Budget Allocation for Influence Maximization
Fractional Budget Allocation for Influence Maximization
复制标题
DOI：
10.1109/cdc49753.2023.10384250
复制
发表时间：
2023-12
期刊：
影响因子：
--
通讯作者：
A. Umrawal;Vaneet Aggarwal;Christopher J. Quinn
中科院分区：
文献类型：
--
作者：
A. Umrawal;Vaneet Aggarwal;Christopher J. Quinn
我们考虑了广泛研究的离散影响最大化问题的概括。我们认为，他们可以提供折扣，而不是使用预算向一些有影响力的人发送免费产品，而是可以部分激励一组具有相同预算的影响者。我们表明，此问题是最大化单调supodular Set函数的多线性扩展，约为$ l_ {1} $约束。我们建议和分析有效的$（1-1/e）$ - 近似算法。我们在现实世界中的社交网络上进行了实验，以显示我们方法的性能与针对影响最大化的其他概括的方法相反。
We consider a generalization of the widely studied discrete influence maximization problem. We consider that instead of marketers using a budget to send free products to a few influencers, they can provide discounts to partly incentivize a larger set of influencers with the same budget. We show that this problem is an instance of maximizing the multilinear extension of a monotone submodular set function subject to an $L_{1}$ constraint. We propose and analyze an efficient $(1-1/e)$- approximation algorithm. We run experiments on a real-world social network to show the performance of our method in contrast to methods proposed for other generalizations of influence maximization.