作者：Hu, Yanqing, Shenggong Ji, Yuliang Jin, Ling Feng, H. Eugene Stanley, and Shlomo Havlin.
摘要：衡量和优化大数据在线社交网络节点的影响力，对于病毒式营销、新产品的采用等许多实际应用都具有重要意义。由于病毒在社交网络上的传播是一个全球性的过程，人们普遍认为，衡量节点的影响力不可避免地需要了解整个网络。利用渗流理论,我们表明,传播过程显示一个成核行为:一次信息传播从种子到超过一个小特征的节点数量,它只能进不能退的地步,很快就会达到渗流集群,不管整个网络结构;否则，扩散将在本地得到控制。因此，我们发现，在不知道整个网络的情况下，任何节点的全局影响都可以用这个特征数精确地测量出来，这个特征数与网络的大小无关。这激发了一种有效的算法，在长期存在的最佳撒种器选择问题上具有恒定的时间复杂度，性能非常接近真正的最优。
论文链接：https://www.pnas.org/content/pnas/115/29/7468.full.pdf
