成倍

有影响力者的无关紧要：与重新激活和免疫力的信息传播在社交网络模型上成倍长期持续

网络上的信息扩散模型位于AI研究的最前沿。此类模型的动态通常是流行病学的随机模型，不仅用于模拟感染，还为各种现象建模，包括计算机病毒的行为和病毒营销活动。在这种情况下的一个核心问题是如何有效检测主体图中最有影响力的顶点，以使感染表现出最长的时间。在结合了顶点的重新感染的过程中，例如SIS过程，理论研究鉴于参数阈值，其中Prosess的生存时间从对数迅速转变为超级顺序。这些结果与启动配置相关的直觉与之相矛盾，因为该过程将始终快速死亡或几乎无限期地生存。这些结果的缺点是，迄今为止，尚未对结合短期免疫力（或创意广告疲劳）的模型进行过这样的理论分析。我们通过研究SIRS过程（一种更现实的模型）来减少文献中的这一差距，除了再感染外，还结合了短期免疫力。在复杂的网络模型上，我们确定了该过程成倍长期生存的参数制度，并且对于随机图，我们获得了一个紧密的阈值。基础这些结果是我们的主要技术贡献，显示了SIRS流程的生存时间的阈值行为，该过程具有大型扩展器子图（例如社交网络模型）。