40、社交网络中的竞争扩散与概率查询评估

社交网络中的竞争扩散与概率查询评估

1. 竞争扩散研究

在社交网络中，多个扩散现象常常会争夺同一用户的注意力。研究人员构建了一个基于 ChoiceGAPs 的博弈论框架来解决竞争扩散问题，将每个社交网络用户视为玩家，形成了一个包含大量玩家的博弈。

1.1 AUROC 评估

研究人员通过实验评估了该框架的预测能力。实验中，将训练集大小从整个数据集的 20% 以 10% 的步长变化到 80%，针对每个训练集大小，从 Facebook 数据中以 20 种方式随机选择相应大小的数据集，再考虑 4500 种参数组合，每个训练集大小共有 90,000 种实验设置，总共有 8 种训练集大小，实验共进行 720K 次运行。

训练集大小（占比）	平均 AUROC 范围	标准偏差范围
20% - 80%	0.75 - 0.78	小于 0.05

从实验结果来看，平均 AUROC 在 0.75 到 0.78 之间，变化范围较窄。AUROC 为 0.5 表示随机猜测，因此这些 AUROC 值显示出较强的预测能力。而且，当训练集大小从 20% 变化到 80% 时，预测能力相对平稳，整体变化仅约 3 个百分点，这表明即使没有大的训练集，也能获得较好的预测准确性。同时，AUROC 的标准偏差始终较小，小于 0.05。在不同竞争场景中，除了竞争 C1 外，