在线性阈值模型下，预算受限的多层网络影响最大化的排名精炼种子选择方法

摘要 选择最佳种子集以最大化网络中的影响力问题在近年来已经成为一个激烈研究的主题。然而，尽管有大量研究涉及该领域，仍然是一个需要进一步阐述的话题。通常，它被认为是在具有独立级联传播模型的经典定义图的范围内。在这项工作中，我们专注于使用线性阈值模型的多层网络中预算受限的影响最大化问题。我们所采用的图模型和传播过程在文献中不够常见，尽管它们的应用允许更精确地表示社交网络中的意见动态。本文旨在回答十六种评估的种子选择方法中哪一种最有效，以及它们之间的相似性。此外，我们将分析传播模型参数、网络特征、预算和种子选择方法对多层网络中的扩散有效性的影响。我们的贡献还包括将几种中心性度量和启发式方法扩展到此类图的情况。结果表明，以上所有因素共同影响影响力最大化的有效性。此外，没有一种种子选择方法能始终提供最佳结果。然而，使用基于VoteRank的方法选择的种子（尤其是我们提出的v-rnk-m变体）通常能提供最广泛的扩散效果。