确定社交网络中影响节点的分散算法

在Kempe-Kleinberg-Tardos的这篇论文中，作者提出了一种基于子模函数的贪心算法，用于确定图中的最具影响力的节点，并将其应用于社交网络。$k$

基本上，算法如下：

1. $S = {\rm empty~set}$
2. 选择个人影响力最高的节点，将其称为；$v_1$$S = S\cup v_1$
3. 删除和连接所有边缘到网络的其余部分$v_1$$v_1$
4. 重复直到有个顶点$S$$k$

关于社交网络中的影响节点，我有两个问题。
a）是否有任何算法可以找到解决方案，或者以分散方式对其进行近似？
b）是否有人应用其他算法（例如Page-Rank和类似算法）来解决同一问题？

针对此问题的变体的分散算法已发布在用于识别社交网络中的信息中心和 大规模网络中的社会影响分析的分布式和隐私保护算法中。

这些怎么样？引用Pagerank进行马，关，赵的引文分析

PageRank，用于共同引文网络中的排名作者丁，严，弗拉佐，卡弗里