Att hitta sätt att maximera inflytandet på sociala nätverk är en viktig strävan för ett brett spektrum av människor inklusive de som är involverade i marknadsföring, valkampanjer, och upptäckt av utbrott, till exempel. Tekniskt sett i ett nätverksscenario, "Inflytandemaximering handlar om problemet med att hitta en delmängd av noder som kallas frön i det sociala nätverket så att dessa noder så småningom kommer att sprida maximalt inflytande i nätverket."

Skriver i International Journal of Computational Science and Engineering forskare från Indien påpekar att detta är ett av en klass av svårlösta problem som kallas NP-hårda problem. I deras tidning, de fokuserar på att ge en översikt över problemet med inflytandemaximering och täcker tre huvudaspekter. Först, de tittar på de olika typerna av indata som krävs. För det andra, de undersöker modeller för inflytandespridning som kartlägger spridningen av inflytande i ett nätverk. Till sist, de tittar på approximationsalgoritmer som föreslås för val av fröuppsättning.

Studien ger nya insikter om hur en marknadsföringskampanj kan utlösa ett viralt svar på en produktlansering genom det mycket noggranna urvalet av viktiga influencers vars mun till mun marknadsföring skulle nå och påverka det maximala antalet personer. Liknande, det skulle kunna användas för att sprida ett politiskt budskap snabbare än med traditionella bearbetningsmetoder. Men, ur ett vetenskapligt perspektiv, Samma verktyg och insikter kan hjälpa oss att bättre förstå hur ett fåtal infekterade individer kan leda till uppkomsten av en epidemi.

"Möjlighet för framtida arbete inom området inflytandemaximering ligger främst i att hitta effektiva lösningar på utvidgningarna av det grundläggande inflytandemaximeringsproblemet, teamet avslutar och att hitta sätt att hantera de enorma och växande mängder data som nätverk kan generera på kort tid.