文献

J-GLOBAL ID：201702220478939455   整理番号：17A0795353

Geo-ソーシャルネットワークにおける最大化効率的な距離を意識した影響【Powered by NICT】

Efficient Distance-Aware Influence Maximization in Geo-Social Networks

著者 (4件)： Wang Xiaoyang (East China Normal University, Shanghai Shi, China) ,  Zhang Ying (University of Technology Sydney, Ultimo, NSW, Australia) ,  Zhang Wenjie (University of New South Wales, Sydney, NSW, Australia) ,  Lin Xuemin (East China Normal University, Shanghai Shi, China)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 29  号： 3  ページ： 599-612  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： ソーシャルネットワークGと正整数kが与えられた時,影響最大化問題は特定の伝搬モデルの下での拡散影響を最大化することができるGにおけるKノードのセットを同定することを目的とする。地球社会的ネットワークの増殖,位置認識促進は,実際のアプリケーションにおいて必要になってきている。本論文では,距離を意識した影響最大化(DAIM)問題,ユーザ間の距離と促進された位置の重要性を提唱することを研究した。伝統的な影響最大化問題とは異なり,DAIMは促進された位置からの距離に基づく異なるユーザを扱う。この状況では,促進された位置が変化するとき選択されたKノードは異なっていた。質問の多数を扱い,オンライン要求を満たすためには,いくつかのプレサンプル質問場所での情報を利用することにより,MIA DAとRIS DA,二種の新しい指標ベースアプローチを開発した。MIA DAは影響計算を近似するために最大の影響有向木(MIA)モデルを採用した発見的方法である。添加では,種々の枝刈り戦略だけでなく,優先度ベースのアルゴリズムは,探索空間を顕著に減少させることを提案した。有効性を改善するために,RIS DAでは,逆影響サンプリング(RIS)モデルを拡張し,DAIM問題のための不偏推定量を示す。索引作成に必要な試料サイズを注意深く解析することにより,RIS DAは少なくとも特定のクエリーのための1-δ確率で1 1/e ε近似解を戻ることができた。最後に,実際の地球社会的ネットワーク上での提案した方法の効率と有効性を示した。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： 地球 ,  発見的方法 ,  不偏推定 ,  優先度 ,  *最大化問題 ,  応用プログラム ,  アルゴリズム
準シソーラス用語： 近似解 ,  クエリー ,  探索空間 ,  オンライン ,  位置認識 ,  伝搬モデル ,  *社会的ネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  データベースシステム  (JD03030U)

タイトルに関連する用語 (3件)： ソーシャルネットワーク ,  最大化 ,  意識