Social networks are graphs of indiv

Social networks are graphs of individuals and their relationships [5], such as friendships, collaborations, or advice seeking relationships. With the increasing popularity
of social networks services, more and more people communicate with each other
through such networks. This survey mainly conveys a framework for studying the
information diffusion problems and their approximations as well as optimizations.
It provides with the readers a number of interesting models, and wise algorithms on
social networks. However, these techniques and models only form the foundation
and the basis for further research, there are many open questions that need to be
uncovered.
As we have went through, novel and interesting questions thrown out by the initial work from Domingos and Richardson [17, 47], inspires Kempe et al. [28, 27],
Mossel and Roch [39] and many others to develop a solid theoretical foundation of
literature resources on the influence maximization problem. The main challenge now
is to find solutions that are applicable in real viral marketing environment. Working towards various models and algorithms, with the comprehensive experiments,
researchers are trying to find a way that could really gives the satisfying result without requiring too much data load or making unrealistic independence assumptions.
In order to achieve this goal and to determine the real applicability of the existing
approaches, more wise designs, and empirical studies are needed, and the test of the
approximation techniques are also required.
The more recent work of Leskovec et al. [55] gives us insight in modeling the
diffusion through implicit networks, in which the underlying network structure is
unknown, all the predicting of activation and influence spread is focusing on a global
view. Furthermore, in [40], Myers et al. propose a new model which take into account the external influence from outside of the network. Inspired by those works,
for future works, it would be interesting to relax the assumption of uniform influence
inside of the network to seek better strategy to maximize the influence. Furthermore,
Recent Advances in Information Diffusion and Influence Maximization of Complex Social
Networks  31
in contrast to the influence maximization problem, for misinformation or computer
viruses spreading in the networks, how to efficiently prevent the audience from getting infected is also very attractive to us. Formulating and solving those problems
with more practical model and efficient algorithms is a fascinating challenge with
great potential.

Kết quả (Việt) 2:

Mạng xã hội là đồ thị của các cá nhân và các mối quan hệ của họ [5], chẳng hạn như tình bạn, sự hợp tác, hoặc các mối quan hệ tư vấn tìm kiếm. Với sự phổ biến ngày càng tăng
của các dịch vụ mạng xã hội, ngày càng nhiều người giao tiếp với nhau
thông qua mạng như vậy. Cuộc điều tra này chủ yếu là truyền tải một khuôn khổ cho việc nghiên cứu các
vấn đề thông tin phổ biến và gần đúng của họ cũng như tối ưu hóa.
Nó cung cấp với các độc giả một số mô hình thú vị, và các thuật toán khôn ngoan trên
các mạng xã hội. Tuy nhiên, những kỹ thuật và các mô hình chỉ tạo thành nền tảng
và là cơ sở để nghiên cứu thêm, có rất nhiều câu hỏi mở mà cần phải được
phát hiện.
Như chúng ta đã đi qua, mới mẻ và thú vị câu hỏi ném ra bởi các công việc ban đầu từ Domingos và Richardson [17 , 47], truyền cảm hứng Kempe et al. [28, 27],
Mossel và Roch [39] và nhiều người khác để phát triển một nền tảng lý thuyết vững chắc của
nguồn tài liệu về vấn đề ảnh hưởng tối đa hóa. Thách thức chính hiện nay
là tìm giải pháp được áp dụng trong môi trường thực tế tiếp thị lan truyền. Hoạt động hướng tới mô hình khác nhau và các thuật toán, với các thí nghiệm toàn diện,
các nhà nghiên cứu đang cố gắng tìm một cách mà thực sự có thể mang lại kết quả thỏa mãn mà không đòi hỏi quá nhiều tải dữ liệu hoặc làm cho các giả định độc lập không thực tế.
Để đạt được mục tiêu này và để xác định khả năng ứng dụng thực tế của hiện
phương pháp tiếp cận, thiết kế khôn ngoan hơn, và các nghiên cứu thực nghiệm là cần thiết, và các thử nghiệm của
kỹ thuật xấp xỉ cũng được yêu cầu.
Công việc gần đây của Leskovec et al. [55] cho chúng ta cái nhìn sâu sắc trong mô hình
khuếch tán qua các mạng lưới ngầm, trong đó các cấu trúc mạng cơ bản là
không biết, tất cả các tiên đoán của kích hoạt và ảnh hưởng lan truyền được tập trung vào một thế giới
xem. Hơn nữa, trong [40], Myers et al. đề xuất một mô hình mới trong đó có tính đến các tác động bên ngoài từ bên ngoài mạng. Lấy cảm hứng từ những tác phẩm,
công trình trong tương lai, nó sẽ được thú vị để thư giãn các giả định ảnh hưởng thống nhất
bên trong của mạng để tìm kiếm chiến lược tốt hơn để tối đa hóa sự ảnh hưởng. Hơn nữa,
tiến bộ gần đây trong Thông tin Diffusion và Influence Tối đa hóa xã hội phức
Networks? 31
trái ngược với các vấn đề ảnh hưởng tối đa hóa, cho thông tin sai lệch hoặc máy tính
virus lây lan trong mạng, làm thế nào để có hiệu quả ngăn chặn các đối tượng bị nhiễm bệnh cũng rất hấp dẫn đối với chúng tôi. Xây dựng và giải quyết các vấn đề
với mô hình thực tế hơn và thuật toán hiệu quả là một thử thách thú vị với
tiềm năng lớn.