2022年11月，阿里巴巴商学院2021级软件工程硕士研究生谢明在詹秀秀副教授、刘闯教授和张子柯教授的指导下，以第一作者身份在Information Processing & Management中发表An efficient adaptive degree-based heuristic algorithm for influence maximization in hypergraphs的创新成果。

本研究在超图视角下探究影响力最大化问题，提出了一种有效的高影响力节点集识别算法，为谣言抑制、疾病防控等众多领域提供有效策略。实验通过有效性和效率两个角度，检验算法效能。研究说明了在超图上考虑节点适应度进而降低种子节点影响力冗余，促使节点达到高传播影响力的可行性与重要性。算法在精度与效率上的有效平衡丰富了该算法的应用场景。另外，研究揭示了由真实数据构建的超图中节点间的高影响力重叠现象与节点度、超度间的强相关性。最后，本研究验证了算法在不同度异质性程度的超图下的鲁棒性，从而为该算法在众多真实系统中的适用性和拓展性提供重要理论支撑。以此回答了如何设计在超图上解决影响力最大化问题的算法，使算法有效平衡算法精度和效率；如何设计在超图上解决影响力最大化问题的算法，使算法有效平衡算法精度和效率；以及超图的拓扑结构与影响力最大化算法有效性之间是否具有内在的契合逻辑等问题。

超网络上的传播动力学模型设计

超网络上的影响力最大化算法有效性验证

论文原文链接：

An efficient adaptive degree-based heuristic algorithm for influence maximization in hypergraphs

阅读原文：

https://kdocs.cn/l/cvGUsRYfN3Ax‍

谢明，阿里巴巴商学院，2021级软件工程硕士研究生