22-23 為題組，請閱讀下文後，回答 22-23 題。
     你是否注意到特定意見的資訊總會出現在你的塗鴉牆上？2016 年的美國總統大選期間，川普的競選團隊便透過數據分析設計的演算法來分析社群媒體用戶，進而投放具特定立場的內容，左右選民投票傾向，藉此讓有利於自己的資訊廣為流傳。
     人與人的相互影響，在資訊科學領域被稱做「資訊擴散」（information diffusion）。早在社群網路興起之前，人與人之間便已經藉由無形的人際網絡相互影響決策，最顯而易見的例子是人們容易受到朋友的推薦而購買商品，人們的投票傾向也可能受朋友影響。分析社群網路能夠了解資訊如何擴散，且能應用於電子商務、流行病學與環境保護上，其中最為人所知的，就是病毒式行銷（viral marketing）。
     病毒式行銷在 1995 年第一次被提出，是 Sony 互動娛樂第一代 PlayStation 遊戲機的行銷策略─讓商品資訊如同病毒般擴散，以求讓更多人獲知商品資訊。在社群網路的研究領域中，病毒式行銷被稱為「影響力最大化」問題：若店家想行銷特定商品，但試用品或折價券數量有限，在眾多使用者中該挑選哪些人做為最初的意見領袖，才能使得最終購買商品的人數最多？
     影響力最大化在數學計算上非常耗時。試想當一社群網路使用人數為一萬人，平均每人有 100 位朋友，則總朋友關係數為 100 萬。若店家想挑選 10 位使用者做為最初的意見領袖，那麼窮舉所有可能的組合，將會有 1033 種，這個天文數字在行銷應用上難以實現。為提高挑選意見領袖的效率，美國康乃爾大學的電腦科學家克萊柏格（JonKleinberg）在 2003 年率先提出貪婪演算法和經驗法則。
     克萊柏格根據每個人容易被影響的程度，以及不同類型資訊的影響型式，歸納並程序化兩個最重要的影響力傳播（influence propagation）模型。當社群網路中有 n 位使用者，總共要挑選 k 位意見領袖，貪婪演算法每次挑選一位：根據所選定的影響力傳播模型，從尚未被挑選的使用者中，找出一位能使影響力邊際效益最大的使用者，經數學證明貪婪演算法能確保所挑選的 k 位意見領袖之影響力至少達到最佳解的 63％。
     貪婪演算法比窮舉法要有效率，但有時仍無法應用在現實情況中。經驗法則不考慮資訊擴散的影響力，單純考量使用者於社群網路的朋友關係，做為挑選意見領袖的依據，例如挑選朋友數最多的 k 位使用者，此經驗法則稱為「度值中心度」（degree centrality）；另一種經驗法則為「接近中心度」（closeness centrality），指的是一個人在社群網路中與其他人的平均距離越近，可被這個人影響的人就越多。（李政德〈□□□□□□□□□〉2019/03/12，科學人）
22. 依本文中關於「資訊擴散」的敘述，正確的是：
(A)在研究「資訊擴散」時通常要先找出一位最初的意見領袖
(B)美國的電腦科學家以數學為基礎，提出研究「資訊擴散」的法則
(C)「病毒式行銷」是資訊擴散的一種，早在社群網路興起前即已出現
(D)貪婪演算法相較於窮舉法所找出的意見領袖較有影響力，且考量了社群網路的朋友關係