[论文解读] A Survey on Location-Driven Influence Maximization

Taotao Cai, Quan Z. Sheng+6 more|arXiv (Cornell University)|Apr 17, 2022

Human Mobility and Location-Based Analysis被引用 4

一句话总结

本综述对基于位置的影响最大化（IM）进行了全面分析，将其分为在线位置感知IM（OLIM）和离线广告牌IM（OBIM）两类。综述涵盖了扩散模型、解决方案框架及加速技术，提出了细粒度的分类体系，并指出了在动态网络、非次模函数模型以及现实约束下的种子选择方面未来的研究方向。

ABSTRACT

Influence Maximization (IM), which aims to select a set of users from a social network to maximize the expected number of influenced users, is an evergreen hot research topic. Its research outcomes significantly impact real-world applications such as business marketing. The booming location-based network platforms of the last decade appeal to the researchers embedding the location information into traditional IM research. In this survey, we provide a comprehensive review of the existing location-driven IM studies from the perspective of the following key aspects: (1) a review of the application scenarios of these works, (2) the diffusion models to evaluate the influence propagation, and (3) a comprehensive study of the approaches to deal with the location-driven IM problems together with a particular focus on the accelerating techniques. In the end, we draw prospects into the research directions in future IM research.

研究动机与目标

• 基于应用场景系统性地分类和分析现有基于位置的影响最大化研究。
• 回顾并对比OLIM与OBIM问题中使用的影响力扩散模型。
• 总结用于高效求解OLIM与OBIM问题的框架算法与加速技术。
• 识别关键挑战，并概述在动态、非次模及预算受限IM设定下的有前景的未来研究方向。

提出的方法

• 将基于位置的影响最大化分为两大类：OLIM（具有用户位置信息的在线社交网络）与OBIM（用于影响传播的离线广告牌）。
• 回顾关键的影响力扩散模型，如适用于时空动态的独立级联（IC）和线性阈值（LT）模型。
• 分析框架算法，包括贪心启发式方法、随机局部搜索，以及基于图谱的高效方法（如反向可达集，RR）以提升可扩展性。
• 评估加速技术，如剪枝、采样及基于索引的维护机制，以提升运行时效率。
• 提出基于问题类型、扩散模型与算法方法的分类体系，以实现系统性比较。
• 引入时间链接预测与动态图谱索引的概念，以应对网络结构的演化。

实验结果

研究问题

• RQ1 如何有效将空间与时间用户位置数据整合到影响力最大化中？
• RQ2 OLIM与OBIM在问题建模与求解技术方面的主要异同点是什么？
• RQ3 现有扩散模型如何捕捉社交空间与物理空间中的位置感知影响力传播？
• RQ4 在大规模基于位置的网络中，哪些加速技术最有效地提升影响力最大化算法的可扩展性？
• RQ5 在处理网络动态演化、非次模影响力函数以及现实IM应用中用户抵触情绪方面，主要的开放挑战是什么？

主要发现

• OLIM与OBIM框架已趋于成熟：OLIM侧重于在动态社交网络中选择种子用户，而OBIM则关注户外广告牌的最优布局。
• IC与LT等扩散模型已适配用于位置感知的影响传播，但其有效性取决于精确的时空建模。
• 贪心法与随机局部搜索方法被广泛采用，但在非次模设定下存在局限性，无法保证收敛至全局最优解。
• 反向可达图谱技术与剪枝等加速技术显著降低了计算成本，使大规模网络的可扩展性成为可能。
• 时间链接预测与动态图谱索引是应对网络演化的有前景方法，但在当前文献中仍处于探索阶段。
• 未来研究应聚焦于动态网络、非次模模型，以及通过基于边的影响机制而非基于节点的种子选择来建模用户抵触情绪。