报告主题:Influence Maximization: Integrating and Expanding Classical Algorithms into the Social Network Context

报告摘要:影响力最大化是选择社交网络中的k个种子节点,以使种子影响力传播最大化。它可以应用于病毒式营销方案,还可以应用于其他方案,例如级联监视和谣言控制。自2003年提出以来,对影响最大化及其变化形式得到了广泛的研究,并且该领域仍在积极发展。影响力最大化也很好地展示了如何将经典算法集成到社交网络环境中。在本次演讲中,将首先介绍影响力最大化的核心研究问题和主要成果。然后,通过几个示例,演示如何将经典算法(例如贪心算法,Dijkstra最短路径算法)集成到影响力最大化算法中,以及在集成过程中如何提出新的研究挑战以及我们如何应对这些挑战,并且在某些情况下,可以通过扩展经典算法以使其适应新设置。

邀请嘉宾:陈卫,微软亚洲研究院的首席研究员,清华大学的兼职教授和中国科学院的兼职研究员。他的主要研究兴趣包括社会和信息网络,在线学习,网络游戏理论和经济学,分布式计算和容错能力。他在社交网络中信息和影响传播的建模和算法研究方面进行了广泛的研究工作,并在顶级会议和期刊上发表了一系列出版物,获得了6600多次引用。于2013年与人合作了《社会网络中的信息和影响力传播》,并且是即将出版的《大数据网络扩散模型和算法》(中文)的唯一作者。他是CCF大数据工作队和理论计算机科学技术委员会的成员。

成为VIP会员查看完整内容
201910_InfMax_CNCC-陈卫.pdf
7

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
预告 | CSIG图像图形学科前沿讲习班:图神经网络
CNCC技术论坛丨新型持久内存系统与安全
中国计算机学会
7+阅读 · 2019年9月15日
CCF@U: 刘挺、秦兵走进天津大学
中国计算机学会
4+阅读 · 2018年11月20日
CCF发布2017-2018中国计算机科学技术发展报告
中国计算机学会
17+阅读 · 2018年11月7日
CNCC技术论坛 | 计算机视觉行业的挑战与契机
中国计算机学会
6+阅读 · 2018年10月21日
CNCC技术论坛 | 知识图谱赋能数字经济
中国计算机学会
4+阅读 · 2018年9月28日
Representation Learning on Network 网络表示学习
全球人工智能
9+阅读 · 2017年10月19日
dynnode2vec: Scalable Dynamic Network Embedding
Arxiv
13+阅读 · 2018年12月6日
Arxiv
3+阅读 · 2018年5月20日
VIP会员
相关VIP内容
相关资讯
预告 | CSIG图像图形学科前沿讲习班:图神经网络
CNCC技术论坛丨新型持久内存系统与安全
中国计算机学会
7+阅读 · 2019年9月15日
CCF@U: 刘挺、秦兵走进天津大学
中国计算机学会
4+阅读 · 2018年11月20日
CCF发布2017-2018中国计算机科学技术发展报告
中国计算机学会
17+阅读 · 2018年11月7日
CNCC技术论坛 | 计算机视觉行业的挑战与契机
中国计算机学会
6+阅读 · 2018年10月21日
CNCC技术论坛 | 知识图谱赋能数字经济
中国计算机学会
4+阅读 · 2018年9月28日
Representation Learning on Network 网络表示学习
全球人工智能
9+阅读 · 2017年10月19日
微信扫码咨询专知VIP会员