论文笔记 2014-Influence Maximization-Near-Optimal Time Complexity Meets Practical Efficiency
这里写自定义目录标题
- 论文笔记 2014-Influence Maximization-Near-Optimal Time Complexity Meets Practical Efficiency
- TIM 两步
- 节点选择算法
- 参数预测theta
- 一个节点的影响力值
- 随机的一个种子集S*来代替S的影响力
- 最终的预测算法
- TIM+
论文笔记 2014-Influence Maximization-Near-Optimal Time Complexity Meets Practical Efficiency
TIM 两步
1、得到theta值(计算公式)
2、生成theta个RR集合,并且节点选择算法产生种子集合。
节点选择算法
算法有效的原理:
定理1:S的影响力大小与S覆盖RR集合的数量有关。所以才可以使用该算法。
只要theta满足一定的值,就能得到一个保证近似的解:
OPT是最K个种子集的最优解。无法得到。
参数预测theta
theta要大于一个数,但是OPT不知道 -> 用一个节点的影响力值(EPT)来近似S的影响力(即分母变小,theta会更大,一定满足不等式)-> 但是OPT会随着k值的增加而增加,EPT不会,所以随着k值的变大,EPT过于小 -> 随机选择一个种子集,计算影响力(KPT),EPT < KPT < OPT,具体是在多个RR集上取平均值(?多少个RR集够呢,根据Chernoff bounds,得到了下限,误差等)
一个节点的影响力值
企图使用一个节点的影响力值来代替S的影响力。
随机的一个种子集S*来代替S的影响力
最终的预测算法
其中ci的值由不等式推出来的。使得得到的值是准确值的一半。
TIM+
由算法2的得到KPT*,但是发现大多数情况下比OPT小的多,所以多加了启发式方法:
论文笔记 2014-Influence Maximization-Near-Optimal Time Complexity Meets Practical Efficiency相关推荐
- 论文笔记《Influence Maximization in Near-Linear Time: A Martingale Approach》
原文链接 文章目录 摘要 1.简介 2.前言 2.1 问题的定义 2.2 扩散模型 2.3 回顾TIM,TIM+ 3.提出方法 3.1 RR集的鞅视图 3.2 节点选择阶段 3.3 采样阶段 3.4 ...
- [论文笔记] [2014] Deeply-Supervised Nets
这篇论文是比较早的工作了,但论文中提到 Deep Supervision 的概念在后面的工作中常会被提到.这篇论文的亮点就在于对每一隐层都引入 companion objective.简单说来就是每一 ...
- 论文笔记:联邦学习——Federated Learning: Strategies for Improving Communication Efficiency
Federated Learning: Strategies for Improving Communication Efficiency 文章目录 Federated Learning: Strat ...
- 【论文笔记09】Differentially Private Hypothesis Transfer Learning 差分隐私迁移学习模型, ECMLPKDD 2018
目录导引 系列传送 Differentially Private Hypothesis Transfer Learning 1 Abstract 2 Bg & Rw 3 Setting &am ...
- 《CPT COLORFUL PROMPT TUNING FOR PRE-TRAINED》 论文笔记
文章目录 摘要 1. NTRODUCTION 2 PRELIMINARY 3. CROSS-MODAL P ROMPT TUNING (CPT) 3.1 OVERVIEW 3.2 VISUAL SUB ...
- 论文笔记【A Comprehensive Study of Deep Video Action Recognition】
论文链接:A Comprehensive Study of Deep Video Action Recognition 目录 A Comprehensive Study of Deep Video A ...
- 论文笔记 《Maxout Networks》 《Network In Network》
原文出处:http://zhangliliang.com/2014/09/22/paper-note-maxout-and-nin/ 论文笔记 <Maxout Networks> & ...
- Deep Learning论文笔记之(七)深度网络高层特征可视化
Deep Learning论文笔记之(七)深度网络高层特征可视化 zouxy09@qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文,但老感 ...
- 论文笔记:Mind the Gap An Experimental Evaluation of Imputation ofMissing Values Techniques in TimeSeries
pVLDB 2020 1 abstract & intro 这篇论文横向比较了12种 time-series imputation的方法.作者声称这是第一篇深入讨论这些模型的准确度.效率和参数 ...
最新文章
- git 对之前的commit 进行重新签名 Resign
- php 加权计算公式,PHP计算加权平均数的实例分享
- 99.两个时钟不同步的设备怎么通信?
- Mac OS X 中的脚本语言应用
- HTTP 错误 500.22 - Internal Server Error 检测到在集成的托管管道模式下不适用的 ASP.NET 设置。...
- SparkSession.read().csv()无法定位本地文件的问题
- 常用的分隔符有哪三种_Node.js系列四 - 常用的内置模块
- jggrid使用multiselect时修改默认排序
- lasso模型交替方向matlab_TCGA系列学习笔记(7)建模及模型评价
- linux根目录缩减非lvm,vmware下linux非LVM管理的根目录扩容经历
- Ionic3在ts中获取html中值的方法
- hadoop-mapreduce在maptask执行分析
- Android 学习之路
- jupyter 使用nginx进行代理的nginx配置文件
- office2016和Visio2016安装冲突的解决办法(后附安装包链接)
- 用Python爬取微信好友,原来他们是这样的人......
- websocket实现语音通讯
- vegan稀释曲线 基因丰度_蒙古沙冬青及其伴生植物AM真菌物种多样性
- [VC/MFC]一条语句实现程序运行时隐藏窗口
- ROS学习笔记(八)ubuntu20.04 安装ros_qtc_plugin
热门文章
- Vue中props .sync修饰符的使用示例
- 拓嘉启远:拼多多全店推广推广计划无限制叠加,行吗
- 出海之后中国这些互联网公司都吃那些亏!
- 解决vscode文件夹折叠问题
- 简单介绍android中什么叫i18n 和L10n
- rac san+oracle_oracle RAC基本概念及入门
- 王牌特工--经典语句
- 《Knowledge Base Question Answering via Encoding of Complex Query Graphs》论文笔记
- android6.0升级名单,安卓6.0第一批升级名单大全 首批android6.0升级手机名单介绍
- 台州学院acm:3128 简单版贪吃蛇