核心速递
图半监督分类的
相变和优化算法：
从信念传播到卷积神经网络
Phase transitions and optimal algorithms in the semi-supervised classfications in graphs: from belief propagation to convolution neural networkshttp://arxiv.org/abs/1911.00197摘要：通过分析具有关系（边）和节点特征（离散标签）的随机网络生成模型的贝叶斯推理，利用统计物理的空腔方法对图结构数据的半监督分类问题进行了渐近精确分析。我们揭示了可检测性相变，它对所有可能的算法的分类能力造成了根本的限制。我们的理论自然地转换为消息传递算法，它一直工作到底层生成模型中的相变，并且可以被转换成图卷积神经网络算法，它大大优于现有算法，包括合成网络中的主流的图神经网络。当应用于实际数据集时，我们的算法取得了与最新算法相当的性能。我们的方法提供了具有连续可调参数和最优结果的基准数据集，可用于评估退出图神经网络的性能，并了解它们的优点和局限性。特别是，我们观察到GCN算法在大型综合基准上存在稀疏性问题和过拟合问题，我们还展示了如何结合我们方法的优点来克服这些问题。DNA: Dynamic Social Network Alignmenthttp://arxiv.org/abs/1911.00067Li Sun, Zhongbao Zhang, Pengxin Ji, Jian Wen, Sen Su, Philip S. Yu摘要：社交网络联盟，将不同的社交网络与共同的用户联系起来，正受到学术界和业界的极大关注。所有现有的研究认为社会网络是静态的，忽略了其固有的动态。事实上，社交网络的动态包含了个体的歧视模式，这可以用来促进社交网络的整合。因此，我们首次提出研究动态社会网络的整合问题。为此，我们提出了一种新的动态社会网络比对（DNA）框架，一种基于深层神经网络架构的统一优化方法，以展现有效的动态比对。然而，它在建模和优化方面都面临着巨大的挑战：（1）为了对网络内动态进行建模，我们研究了友好演化过程中潜在模式的局部动态性和表示相似度的全局一致性。我们设计了一种新的深度神经架构，以获得双嵌入捕获局部动态和全局一致性。（2）为了建立网络间的一致性模型，我们从每个动态社会网络的双重嵌入中挖掘个体的潜在身份。我们设计了一个统一的优化方法，将提出的深层神经架构相互作用，以构造一个共同的身份嵌入子空间。（3）为了解决这个优化问题，我们设计了一个有效的交替算法，并提供了坚实的理论保证，我们在现实世界的数据集上进行了大量的实验，结果表明，所提出的DNA框架大大优于最新的方法。Recurrent averaging inequalities, opinion formation and distributed algorithmshttp://arxiv.org/abs/1910.14465Anton V. Proskurnikov, Giuseppe Calafiore, Ming Cao摘要：迭代平均模型是网络上一类重要的、被广泛研究的离散动力系统。在这样的模型中，网络的每个节点都与一个值（或观点）相关联，该值（或观点）在每次迭代时被更新为自身与相邻节点观点的凸组合。众所周知，在网络图连通性的自然假设下，这种局部平均过程最终导致所有节点的意见一致。迭代平均的思想实际上是许多分布式优化算法、线性和非线性方程求解算法、多智能体协调算法和社会群体意见形成算法的核心。虽然这些算法有相似的结构，但用于分析它们的数学技术是多种多样的，并且它们的收敛和稳定性的条件在不同的情况下是不同的。本文利用一种新的基于递归平均不等式（RAI）的工具，对这类算法的性质进行了统一的分析。本文发展了RAI的理论，并将其应用于文献中最近提出的几种重要的多智能体意见形成算法和模型的分析。 Semi-supervisedly Co-embedding Attributed Networkshttp://arxiv.org/abs/1910.14491 Zaiqiao Meng, Shangsong Liang, Jinyuan Fang, Teng Xiao摘要：深生成模型（Deep generative models，DGMs）已经取得了显著的进展。半监督变分自编码（SVAE）作为一种经典的差分格式，提供了一种有效地将小规模标记数据推广到大规模未标记数据的基本框架，但在多个异构实体中很难融合丰富的非结构化关系。针对这一问题，本文提出了一种基于广义SVAE的异构数据半监督共嵌入属性网络（SCAN）模型，该模型协作学习部分标记属性网络节点和属性的低维向量表示。通过我们的扫描以统一的方式获得的节点和属性嵌入不仅有利于捕获节点之间的邻近性，而且有利于节点和属性之间的亲和性。此外，我们的模型还训练了一个判别网络来学习节点的标签预测分布。在实际网络上的实验结果表明，与最新的基线相比，我们的模型在属性推断、用户分析和节点分类等许多应用中都具有优异的性能。Competing Activists—Political Polarizationhttp://arxiv.org/abs/1910.14531Lucas Böttcher, Pedro Montealegre, Eric Goles, Hans Gersbach摘要：最近的实证研究结果表明，在不同国家，社会变得更加两极分化。也就是说，与20年前相比，今天的中间选民只占社会的一小部分，然而，这一现象背后的机制还不完全清楚。由于潜在行动者（积极分子）和选民之间的互动在意见形成中起着重要作用，例如通过社交媒体，我们发展了一个宏观意见模型，在这个模型中，相互竞争的积极分子在特定的社会群体中传播他们的政治思想。这些想法在实力下降的情况下进一步传播到其他群体。当单边传播改变了意见分布时，激进分子的竞争导致了额外的现象：竞争激进分子之间的小异质性导致他们瞄准社会中的不同群体，从而加剧了两极分化。对于中等的非均匀性，我们得到目标周期和进一步的极化放大。在这样的循环中，越强的激进主义者将自己与越弱的激进主义者区分开来，而后者则试图模仿越强的激进主义者。 Improving the robustness of online social networks: A simulation approach of network interventionshttp://arxiv.org/abs/1910.14562Giona Casiraghi, Frank Schweitzer摘要：在线社交网络（OSN）是个人通过技术平台进行互动的社会技术系统的典型例子。OSN是非常易波动的，因为用户进入和退出并且频繁地改变它们的交互。这使得此类系统的鲁棒性难以测量和控制。为了量化鲁棒性，我们提出了一个从有向交互网络中获得的核心值。我们利用一个基于主体的模型来研究离开OSN的大量用户退出级联的出现。对于主体，我们定义了一个效用函数，它依赖于它们的相对声誉和交互成本。主体离开OSN的决定取决于此实用程序。我们的目标是通过在低效用的特定药剂中加入来防止级联失效。我们确定了控制OSN核心和外围主体的策略，从而显著减少了级联失效，提高了OSN的鲁棒性。 Which Factors Impact Engagement on News Articles on Facebook? http://arxiv.org/abs/1910.14651摘要：社交媒体越来越多地被用作新闻平台。为了达到预期的读者群，报纸需要根据Facebook的新闻订阅算法对其文章进行排名。喜欢、分享和其他反应的数量决定了领先的评分标准。本文将尝试评估以下标准对反应量的影响：事件与发布之间的延迟时间、发布当天的时间、发布格式：视频、照片或文本。为了隔离发布时间和发布格式对发布的影响，我们需要对新闻事件和发布报纸进行控制。为此，设计并实现了一个新闻聚合器，用于将与同一新闻事件相关的帖子组合在一起。这个工具提供了一些附带结果，允许通过相似性绘制报纸地图，并检测一些主题遗漏。 Top-K Influential Nodes in Social Networks: A Game Perspective http://arxiv.org/abs/1810.05959摘要：信息最大化是病毒营销的基础，目的是在一定的传播模式下最大限度地提高信息传播的种子节点。本文从博弈的角度来研究信息最大化问题。我们提出了一个协调博弈模型来研究信息传播问题，该模型中每个个体都基于与网络邻居的协调优势来做出决策。我们的模型是一些现有模型的推广，如多数投票模型和线性门限模型。在广义模型下，研究了贪婪最大化的硬度和贪心算法的近似保证。我们还结合了几种策略来加速算法。实验结果表明，经过加速后，该算法的性能明显优于其他启发式算法，比原贪婪算法快3个数量级。 Metric Representations of Networks: A Uniqueness Resulthttp://arxiv.org/abs/1911.00164Santiago Segarra, T. Mitchell Roddenberry, Facundo Memoli, Alejandro Ribeiro摘要：本文讨论了在度量空间上投影网络的问题。网络是编码元素或节点对之间关系的结构。但是，这些关系可以彼此独立，不必为每对节点定义。这与度量空间不同，度量空间要求定义空间中每对元素之间的距离。为了理解如何将网络投射到度量空间，我们采取公理化的方法：首先，我们基于从所有网络集合到有限度量空间集合的投影给出两个公理，然后表明只有一个投影满足这些要求。所开发的技术被证明是寻找组合优化问题的近似解的一种有效方法。最后，我们说明了在投影网络中使用度量树进行有效搜索的方法。 Short and Wide Network Pathshttp://arxiv.org/abs/1911.00344Lavanya Marla, Lav R. Varshney, Devavrat Shah, Nirmal A. Prakash, Michael E. Gale摘要：网络流量是一个强大的数学框架，可以系统地探索生物、社会和技术网络中结构和功能之间的关系。本文提出了一种新的物流网络模型，在该模型中，商品必须通过单一路径运输，而不是通过多条路径分割和重组。我们证明了流水线网络流量的概念是使用短而宽的网络路径进行优化的，并且开发了有效的算法来计算给定节点对和所有节点对的这类路径。对于许多现实世界的网络来说，短路径和宽路径都是其特征。为了进一步证明这种网络特性的实用性，我们提出了一种新的信息论下限，即由于解剖学上的连通性和物理噪声的限制，神经系统的计算速度。基于线虫实验，我们发现这些界限可以预测其生物学行为的时间尺度。此外，我们发现特定的特定线虫连接组在全局上比随机网络的信息传递效率要低，但在突触数目的约束下，功能子电路的中心辐射结构是最优的。这表明功能性子电路是这种小型无脊椎动物神经系统的主要组织原理。 Predicting Urban Innovation from the Workforce Mobility Network in UShttp://arxiv.org/abs/1911.00436Moreno Bonaventura, Luca Maria Aiello, Daniele Quercia, Vito Latora摘要：虽然人们非常重视社会互动对创新增长的推动作用，但很少有实证研究明确研究社会网络结构对城市创新绩效的影响。过去的研究大多是探索城市社会经济产出的标度规律，例如，由人口的单一预测因素决定。在这里，通过利用一个可公开获取的创业生态系统数据集，我们在美国大都市地区建立了第一个劳动力流网络。我们发现，在这个网络上计算的节点中心度解释了城市创新绩效中观察到的大部分变化，并且显著优于其他预测因素，如人口规模或密度，建议旨在维持创新过程的政策和举措可能受益于促进专业网络以及其他经济或系统激励措施。与以往以人口普查数据为动力的方法不同，我们的模型可以在开放的数据库上实时更新，为不同学科的研究人员以新的方式研究城市经济开辟了新的机会，也为从业人员设计了实时监测这类经济的工具。Interaction Graphs for Reliability Analysis of Power Grids: A Survey http://arxiv.org/abs/1911.00475 Upama Nakarmi, Mahshid Rahnamay Naeini, Md Jakir Hossain, Md Abul Hasnat摘要：多年来，电网可靠性分析一直是众多研究者关注的焦点。然而，这些系统中大量组件之间的复杂交互作用及其对系统可靠性的贡献还没有完全了解。因此，各种各样的技术已经被开发出来，并被用来模拟和分析电网元件之间潜在的相互作用，以应对可靠性挑战，如连锁故障。这些方法对于揭示电力系统物理模型和拓扑结构中可能不易获得的基本信息非常重要。基于这些模型，由于电力物理控制着系统的功率流动力学，以及系统各部件之间的其他功能和网络依赖性，系统各部件之间的干扰和相互作用可能发生在局部和远处。这些方法使用基于电力物理学的数据驱动方法或技术，并开发一个图表来模拟电网各组成部分之间的相互作用。在这篇综述中，我们回顾了各种绘制相互作用图的方法以及利用这些图进行电网可靠性分析的研究。
Propinquity drives the emergence of network structure and densityhttp://arxiv.org/abs/1910.02000Lazaros K. Gallos, Shlomo Havlin, H. Eugene Stanley, Nina H. Fefferman摘要：由于缺乏大规模的、不断演化的经验数据，限制了对网络研究，我们只能及时地分析快照。该方法已用于验证网络演化机制，如优先附件。然而，这些研究大多局限于分析网络中一个新节点建立的第一个链接，通常忽略了每个节点初始后引入的连接。本文中，我们首先证明了个体后续行为，例如它们第二个网络链接，不是随机的，并可以与第一个网络链接背后的机制解耦。结果表明，该特征对网络拓扑结构有很强影响。此外，实时快照可以提供用于建立第二个连接机制的信息。然后，我们通过引入接近度模型来解释这些经验结果，在该模型中控制并改变由一个新节点建立的第二个链路距离，并发现这可导致具有可调密度缩放的网络，就像真实网络中发现的那样。最后我们的工作表明，有社会意义的机制正在影响网络演化，并为测量连续连接之间距离重要性提供了指示。Predicting the Role of Political Trolls in Social Mediahttp://arxiv.org/abs/1910.02001Atanas Atanasov, Gianmarco De Francisci Morales, Preslav Nakov摘要：我们调查社交媒体中“网络巨魔”的政治角色。政治巨魔，比如那些与俄罗斯互联网研究机构(IRA)相关联的巨魔，最近因其左右公众舆论甚至影响选举能力而受到极大关注。对网络跟踪分析显示出不同的行为模式，针对的是不同的人群。然而这种分析是手工和劳动密集型的，因此不适合作为新发现巨魔农场的第一反应工具。在这篇论文中，我们展示如何在实际环境中使用机器学习来自动化分析。特别地，我们展示了如何根据他们的政治角色——左，新闻源，右——来对巨魔进行分类。在传统的监督学习场景中，巨魔标签是可用的;在遥远的监督场景中，巨魔标签是不可用的，我们依赖于更常见提到巨魔的新闻媒体为标签。并且从技术上讲，我们利用了社区结构和在线社交网络中的消息文本，并将其表示为一个图，从中我们提取了几种类型的学习表示，即~埋入，为巨魔。最后，在“IRA Russian Troll”数据集上实验表明，我们方法在第一种情况下比最先进的方法有所改进，同时为第二种情况提供了一个令人信服的案例，这是迄今为止的文献中还没有探讨过的。
现实生活的代币经济学：
Insolar区块链网络的
数字货币与激励设计
Token Economics in Real-Life: Cryptocurrency and Incentives Design for Insolar Blockchain Networkhttp://arxiv.org/abs/1910.02064Marek Laskowski, Henry M. Kim, Michael Zargham, Matt Barlin, Danil Kabanov摘要：加密货币市场价值超过2500亿美元。实际上，所有这些企业都使用加密货币来鼓励采用和使用加密货币基于区块链的平台。对于比特币而言，矿商有动力去缓解双重支出问题;对于Ethereum，即是操作一个分布式应用开发平台。研究如何建立这些激励机制并实施治理就是表征经济学。考虑到加密市场的规模，我们认为这一新课题仍有很大的研究机会。在这篇论文中，我们展示了一个80人瑞士区块链创业公司Insolar区域工程流程的各个方面。首先，我们展示了Insolar如何将系统建模和仿真与加密货币专业知识相结合，设计一种机制来激励企业和个人用户，特别是通过使用补贴池、应用程序开发人员来帮助采用他们新MainNet公共区块链网络。例如，研究表明资金池可能太小，无法适当地激励开发商，但也可能太大，以至于向贪婪的开发商发出慷慨信号。然而，对于像Insolar这样的初创公司来说，他们的成功将取决于他们的模式如何激励各种利益相关者参与他们的主要网络，而不是众多的替代方案。
The role of mainstreamness and interdisciplinarity for the relevance of scientific papers
http://arxiv.org/abs/1910.03628Stefan Thurner, Wenyuan Liu, Peter Klimek, Siew Ann Cheong摘要：科学资助者、工业界和公众都要求科学应该变得更有冒险精神、更创新和更跨学科。有无可能告诉哪些是跨学科和开箱即用的科学论文，或哪些论文是主流?本文中，我们使用从上个世纪发表在《物理评论》杂志上所有物理学论文中衍生出来的书目耦合网络，试图将它们识别为主流的、开箱即用的或跨学科的。我们表明，网络集群进入科学领域。单个论文相对于这些集群的位置允许我们估计它们的主流或跨学科程度。我们发现，在过去的几十年里，主流论文的比例增加了，开箱即用的比例减少了，而跨学科论文的比例保持不变。通过研究论文的奖励，在绝对引用方面，主流和跨学科的论文都得到了奖励。从长期来看，主流论文在被引频次上的表现不如跨学科论文。因而结论是，为了避免向主流化的趋势，一个新的激励方案是必要的。Span-core Decomposition for Temporal Networks: Algorithms and Applicationshttp://arxiv.org/abs/1910.03645Edoardo Galimberti, Martino Ciaperoni, Alain Barrat, Francesco Bonchi, Ciro Cattuto, Francesco Gullo摘要：在分析时间网络时，一个基本任务是识别密集结构(即显示大量链接的顶点组)，以及其时间跨度(即高密度所占的时间)。在本文中，我们通过引入时间核心分解的概念来解决这个问题，其中每个核心与两个量相关，它的coreness(用于量化连接的密度)和span(表示时间间隔):我们称这样的核心为span-core。对于定义在离散时域T上的时间网络，T中包含时间间隔总数是T的平方。因此，|T|中包含的时间间隔总数可能也是|T|的平方。我们首个主要贡献是一个算法，它通过利用扩展核心间的包容属性，有效地计算所有扩展核心。然后，我们只关注于找到最大扩展核问题。即不受任何其他类型的堆芯所支配的堆芯，这些堆芯既具有核心特性，又具有跨度。我们设计了一个非常有效的算法，利用最大值条件下理论结果直接提取最大值，而不需要计算所有的堆芯。最后，我们介绍了时态社区搜索问题，把其中一组查询顶点作为输入，目标是找到一组包含查询顶点并覆盖整个时态域稠密连接子图T。我们推导出这个问题与寻找(最大)扩充核问题之间的联系。在此基础上，我们展示如何通过动态规划在多项式时间求解方法，以及如何有效利用最大跨核来显著加快基本算法速度。Link Prediction Under Imperfect Detection: Collaborative Filtering for Ecological Networkshttp://arxiv.org/abs/1910.03659Xiao Fu, Eugene Seo, Justin Clarke, Rebecca A. Hutchinson摘要：基于矩阵补全的协同过滤被认为是可扩展和有效的在线服务链接预测(如电影推荐)，但不能满足生态网络中链接预测挑战。生态网络种一个独特挑战是，观测数据由于难以进行准确野外采样而受到系统不完善检测。此项工作中，我们提出一个新的框架定制生态二部网络链接预测。我们方法首先结合泊松n -混合模型，这是统计生态学中广泛使用的一个框架，用于在野外采样单个物种的不完全检测建模。尽管该模型广泛应用于单物种分析，但它从未被考虑用于不同物种之间链接预测，这可能是因为链接预测和n -混合模型推断的复杂性。然后，通过将泊松n -混合模型与潜在空间中概率非负矩阵分解(NMF)模型巧妙地结合起来，我们提出一个直观的对感兴趣问题的统计模型。最后，我们提供了一个可扩展和有收敛性保证优化算法来处理相关最大似然识别问题。实验结果表明，该方法是有效的。
Cooperator-driven and defector-driven punishments: How do they influence cooperation?http://arxiv.org/abs/1910.03820Pengbi Cui, Zhi-Xi Wu, Tao Zhou, Xiaojie Chen摘要：经济研究表明，有两种类型监管计划可被认为是当今全球经济重要组成部分:自我监管组织实施的自我监管，由管理行业实践;政府监管，被认为是另一种计划，以维持企业遵守。一个特别有趣突出问题是定量地理解这些调节机制在进化动力学中的作用。通常，惩罚通常发生在法规执行上。首先，考虑到两种惩罚方式对规则曲线的影响，我们建立了一个博弈模型，考虑了六种进化情形和相应策略组合。此外，本文还提出了一种半解析方法，使我们能够准确地估计完全缺陷和非缺陷阶段之间的边界。我们发现结合进化动力学，对于无限良好混合种群，两种惩罚混合在促进公共合作方面比单独惩罚效果更好，但对于网络化种群，合作驱动惩罚是更好选择。对无限混合人口公共合作，我们揭示了协同效应、惩罚罚款和反馈敏感性单独促进作用。相反的，对于网络人口来说，为了最好地提升惩罚者的人口，需要一个最优中间反馈灵敏度范围。总体而言 ，网络结构总体上对惩罚者更有利，对公共合作也更有利，因为惩罚者与不惩罚叛逃者的合作者之间既有网络互惠，也有网络共生。Edge crossings in random linear arrangementshttp://arxiv.org/abs/1910.03926Lluís Alemany-Puig, Ramon Ferrer-i-Cancho摘要：在空间网络中，顶点被安排在一定空间中，边可能会交叉。这里我们考虑在一维晶格中排列顶点的特殊情况，当在顶点序列上面绘制时，边可能会交叉，就像在语言和生物网络中所发生的那样。因而本文研究了顶点一致随机排列的零假设下边交叉分布。首先，我们将现有的关于树中这个数的期望公式推广到任何网络中，并通过对任意空间中这个数的代数结构的新颖描述，得到了一个关于交叉数的方差的一般表达式。然后，我们给出了完备图、周期图、单正则图和各种树(星形树、拟星形树和线性树)的期望和方差压缩公式。在这些网络中，期望和方差随网络大小的变化是渐近幂律式的。我们的工作为进一步的研究和应用铺平了道路，例如研究高维或其他嵌入格的交叉数分布。Thermodynamic susceptibility as a measure of cooperative behavior in social dilemmashttp://arxiv.org/abs/1910.03949Colin Benjamin, Aditya Dash摘要：在社会困境的热力学极限出现合作是一个新兴的研究领域。虽然数值方法(使用复制因子动力学)非常多，但解析方法很少。一个非常有用的分析方法是利用一维自旋1/2上升模型和社会困境博弈之间的映射，来计算磁化强度，这是社会困境中合作者和叛逃者之间的净差。而在这篇论文中，我们研究了敏感性，它探究在经典和量子社会困境中采用某种策略参与者比例的净变化率。原因在于在统计力学问题中，与磁化性相比，热力学敏感性是一种对微观行为更为敏感的探针，例如，观察到采用某种策略种群中微小变化。在经典囚徒困境中，我们发现报酬、吸收者收益和诱惑的热力学易感性为正，这意味着尽管两方博弈的纳什均衡是有缺陷的，但参与者从叛变到合作的变化率大于叛变到合作的变化率。在经典鹰鸽博弈中，资源热力学易感性表明从鸽子策略到鹰策略的切换率占主导地位。而量子囚徒困境(QPD)中的纠缠在确定热力学敏感性行为方面具有重要的作用。在最大纠缠情况下，我们发现吸收者的收益和诱惑增加了玩家转向叛变的几率。在零温度极限下，我们发现有两个二阶相变，以磁化率的散度为标志。这种行为类似于在第二类超导体中所看到现象，在第二类超导体中也可以看到两个二阶相变。
Rejection-Based Simulation of Non-Markovian Agents on Complex Networkshttp://arxiv.org/abs/1910.03964Gerrit Großmann, Luca Bortolussi, Verena Wolf摘要：随机模型是研究真实系统中复杂动态模式出现的一种强有力的建模框架。随机模拟往往是研究这类系统的首选方法，有时也是唯一可行的方法。以前研究主要集中在马尔可夫模型中，在相互作用发生之前随机时间服从指数分布。首先在这项工作中，我们研究了一个通用框架来建模系统，其中每个主体都处于几个状态之一。主体可以受其完整邻域的影响随意改变状态，而下一个事件发生的时间可以遵循任意概率分布。经典地，这些模拟被更新相互连接主体速率和从任意分布中随机采样的高计算成本所阻碍。因而，我们提出一种基于拒绝事件驱动仿真算法来克服这些限制。我们方法过度近似了事件间时间对应的瞬时速率，而拒绝事件抵消了这些过度近似。最后，我们证明了我们方法在流行病和信息传播模型上的有效性。A k-hop Collaborate Game Model: Adaptive Strategy to Maximize Total Revenuehttp://arxiv.org/abs/1910.04125摘要：在线社交网络(OSNs)中，人与人之间的交流和信息共享无时无刻不在发生且是实时的。当用户在OSNs中发起一个活动时，他/她马上就会自动在他/她的朋友圈中产生一定的影响。然后，一些发起者朋友圈的用户会被吸引来参加这个活动。基于这一事实，我们设计了一个k-hop协作游戏模型，即用户发起的活动只能影响那些距离OSNs中发起者k跳范围内的用户。此外，我们还引入了k-hop协作游戏(RMKCG)下的收益最大化问题，即识别有限数量发起者以获取尽可能多的收益。而协作博弈模型详细描述了如何量化利益及其背后的逻辑。并且，因为我们提前不知道一个活动会产生多少关注者，因此我们需要采用一个自适应策略，其中谁是下一个潜在的发起者取决于过去决策的结果。我们将自适应RMKCG问题看作是一个新的随机优化问题，证明了它是NP困难的自适应单调问题，而不是自适应子模问题。但在某些特殊情况下，我们证明了它是自适应子模，自适应贪婪策略可以通过自适应子模理论得到(11 /e)-逼近。最后，由于模型的复杂性，很难计算出每个候选用户的边际收益，因此我们提出了一种方便、高效的计算方法。最后我们算法的有效性和正确性最终通过真实社会网络的大量仿真得到了验证。来源：网络科学研究速递
审校：赵子鸣、郭治青
编辑：张爽
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://www.complexly.me （提供RSS订阅）进行同步更新。
集智俱乐部QQ群｜877391004
商务合作及投稿转载｜swarma@swarma.org
◆ ◆ ◆
搜索公众号：集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧！