社交网络中考虑公平的竞标影响最大化
摘要：竞争性影响最大化(CIM)在许多领域中应用广泛，已经研究多年。目前的大多数研究主要关注微观层面的优化，通过设计政策来帮助一个竞争者击败对手。此外，现有研究忽视了许多有影响力的节点有它们自己的起始价格，这可能导致效率低下的预算分配。在本文中，我们提出了一种新颖的竞争性竞价影响最大化(CBIM)问题，其中竞争者在多个竞标回合中为平台的种子进行预算投放。为了解决CBIM问题，我们提出了一个公平感知的多智能体竞价影响最大化(FMCBIM)框架。在这个框架中，我们提出了一个多智能体竞价粒子环境(MBE)来模拟竞争者的互动，并设计了一个起始价格调整机制来模拟动态竞标环境。此外，我们提出了一种新颖的多智能体竞价影响最大化(MCBIM)算法来优化竞争者的竞价策略。在五个数据集上进行的大量实验证明了我们的工作具有良好的效率和效果。
作者：Congcong Zhang, Jingya Zhou, Jin Wang, Jianxi Fan, Yingdan Shi
论文ID：2308.10209
分类：Social and Information Networks
分类简称：cs.SI
提交时间：2023-08-22