文献

J-GLOBAL ID：201702239412295639   整理番号：17A0755483

試料へのもたらす秩序影響最大化のための新しいスケーラブルな方法【Powered by NICT】

Bring Order into the Samples: A Novel Scalable Method for Influence Maximization

著者 (5件)： Wang Xiaoyang (University of New South Wales, Sydney, NSW, Australia) ,  Zhang Ying (University of Technology Sydney, Ultimo, NSW, Australia) ,  Zhang Wenjie (University of New South Wales, Sydney, NSW, Australia) ,  Lin Xuemin (University of New South Wales, Sydney, NSW, Australia) ,  Chen Chen (University of New South Wales, Sydney, NSW, Australia)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 2  ページ： 243-256  発行年： 2017年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ウイルスマーケティングにおける重要な問題点として,影響最大化は,文献で広く研究されてきた。正整数k,ソーシャルネットワークGと特定の伝搬モデルを考慮すると,最大の影響の広がりを持つことをKノードの集合を見つけることを目的としている。最新法IMMは逆影響サンプリング(RIS)フレームワークに基づいている。マルチンゲール法を用いることにより,効率の従来の方法よりも大幅に優れている。しかし,IMMは緊密なサンプルサイズを決定する高いオーバヘッドのためにスケーラビリティに限界がある。本論文では,サンプルサイズの決定に努力を費やしの代わりに,著者らは,すなわちBKRIS,新しい底部KスケッチベースRISフレームワーク試料の秩序をもたらすRISフレームワークを提示した。スケッチ技術を適用することにより,種子セット選択手順を顕著に加速するために,早期停止条件を求めることができる。さらに,回収された結果の品質を制限するための適切なサンプルサイズを見つけるために費用対効果の高い方法を提供する。添加では,試料のため生成のコストを低減し,最悪のシナリオを扱う効率的にいくつかの最適化法を提供する。は10種の実世界データセット上で提案した方法の効率と有効性を示した。IMMアプローチと比較して,BKRISはほとんど同じ影響伝搬を高速化の二桁までを達成することができる。十八億のエッジを持つ最大のデータセットにおいて,BKRISは50種子1.3秒を戻り,36.6秒で5,000種子を戻ることができる。IMM55.32第二と3,664.97秒をであった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高速化 ,  品質 ,  *マルチンゲール ,  最適化
準シソーラス用語： 費用対効果 ,  スケッチ ,  伝搬モデル ,  社会的ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 試料 ,  最大化