Influence maximization，影响力最大化，是信息传播相关的一个经典问题，差不多发展有 20 年。传统的影响力最大化工作，主要是基于普通图，寻找到 k 个种子，最大化它们的影响力。即便如此，它也产生了非常多的变体，模型也趋于复杂。
跳出这个问题本身，可以发现很多相关的工作，并不能提供一个真实的验证场景。如何量化用户传递信息的概率，以及被激活的概率，是无法回避的问题。真实世界的社交网络中，可以获得很多额外数据，进而给用户画像，并得到量化后的数值。然而，科研工作很难做到这一步。这是无解的一个部分，除非去公司。
可不可以找一个好的问题切入角度，做模型简单优雅又比较有创新的工作？我从前几年的一篇 information coverage 工作中得到一些启发：既然很难去判断用户是否被激活，那为什么不考虑信息传播能达到的最大覆盖，也就是只考虑信息传达，而不考虑后续的激活等一系列操作。于是，我做了这个 超图上信息覆盖最大化 的工作。简单来说，就是 找哪几个微信群转发信息，最后更可能达到 10w+。
问题还是传统问题，但选取的是一个比较新的场景，问题分析，到解决，都做的比较扎实。自我评价为 A。
好问题+牛逼的方法，A+
好问题+经典方法，A
经典问题+牛逼的方法，A+
经典问题+经典方法，B+
Categories: DM
