प्रतिस्पर्धा से पूरकता की ओर

प्रभाव अधिकतमकरण एक अच्छी तरह से अध्ययन किया गया समस्या है जो एक सामाजिक नेटवर्क से प्रभावशाली उपयोगकर्ताओं के छोटे सेट की मांग करता है, ताकि उन्हें प्रारंभिक अपनाने वालों के रूप में लक्षित करके, नेटवर्क पर प्रभाव कैस्केड के माध्यम से अपेक्षित कुल अपनाने को अधिकतम किया जा सके। हालाँकि, लगभग सभी पूर्व कार्य एकल प्रसार करने वाली इकाई या पूरी तरह से प्रतिस्पर्धात्मक इकाइयों के कैस्केड पर केंद्रित हैं। इस काम में, हम तुलनात्मक स्वतंत्र कैस्केड (Com-IC) मॉडल का प्रस्ताव करते हैं जो प्रतिस्पर्धा से पूरकता तक के इकाई संपर्कों के पूरे स्पेक्ट्रम को कवर करता है। Com-IC में, उपयोगकर्ताओं के अपनाने के निर्णय न केवल एज-स्तरीय सूचना प्रसार पर निर्भर करते हैं, बल्कि एक नोड-स्तरीय स्वचालित यांत्रिकी पर भी निर्भर करते हैं जिसके व्यवहार को मॉडल पैरामीटर के सेट द्वारा नियंत्रित किया जाता है, जिससे हमारा मॉडल न केवल प्रतिस्पर्धा को पकड़ने में सक्षम होता है, बल्कि किसी भी संभावित डिग्री तक पूरकता को भी। हम दो प्राकृतिक अनुकूलन समस्याओं का अध्ययन करते हैं, आत्म प्रभाव अधिकतमकरण और पूरक प्रभाव अधिकतमकरण, एक नए सेटिंग में पूरक इकाइयों के साथ। दोनों समस्याएँ NP-कठिन हैं, और हम प्रतिकूल पहुँच मे सेटों और एक नए "सैंडविच अनुमान" रणनीति के आधार पर प्रभावशाली और प्रभावी अनुमानित एल्गोरिदम तैयार करते हैं। दोनों तकनीकों की प्रासंगिकता हमारे मॉडल और समस्याओं से परे बढ़ती है। हमारे प्रयोग दिखाते हैं कि प्रस्तावित एल्गोरिदम चार वास्तविक दुनिया के सामाजिक नेटवर्क पर निरंतर रूप से सहज आधार रेखाओं को महत्वपूर्ण अंतर से प्रदर्शन करते हैं। इसके अलावा, हम वास्तविक उपयोगकर्ता क्रिया लॉग से मॉडल पैरामीटर सीखते हैं।