抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
オンラインソーシャルネットワーク(OSN)における議論トピックの人気,またはオンラインファンドライズキャンペーンへの対応は,莫大な価値の実用的課題である。以前の研究は,単一タイプのアクターのネットワーク内の均一時間点過程として情報拡散をモデル化することによりオンラインキャンペーンの人気を予測することを試みた。しかし,実世界情報伝搬は,しばしば複数のタイプのアクターを含む。特に,いわゆる意見リーダ,例えば,オンライン天文や,膨大な数のフォロワーを持つ影響力のあるOSNユーザがあり,それは,可視度に大きなインパクトを創り,従って,それらのピンセットまたはポストリングに簡単に言及することによるイベントの最終人気を創造できる。本論文では,マルチアクター自己励磁プロセスであるMASEPを提案し,複数のタイプのアクターを含む異なるオンラインキャンペーンの人気をモデル化し,予測した。MASEPは,オンラインキャンペーンの間,意見リーダと通常のユーザの間の動力学と相互依存関係を捕捉するために,周期的減衰プロセスと自己励起分岐プロセスを組み合わせた。MASEPモデルの下での時間キャンペーンの人気のために閉形式表現を導いた。この閉形式表現に基づいて,著者らは,対応するMASEPモデルのパラメータを推定するために,初期段階の間のオンラインキャンペーンの経験的活動測定に対して,回帰を効率的に実行することができた。キャンペーンの最終人気は予測可能である。MASEPベースの手法の有効性を実証するために,著者らは,異なる大規模実世界データセット,すなわち,退をカスケードにおけるポストの総数,投稿ストリームにおける個々のハッシュタグの全体的計数,およびクラウドファンディングキャンペーンのためのスポンサーの最終数,から3つのタイプのオンラインキャンペーンの人気を予測するためにそれを適用した。特に,訓練のための各キャンペーンデータトレースの初期30%を用いて,著者らのアプローチは,3つの異なるタイプのキャンペーンのデータセットに対して,それぞれ13.25%,15.7%および36.9%の絶対予測誤差(APE)を達成できる。これは,SEISMIC,SpikeM,およびSTRMを含む最先端の手法と比較して,予測誤差の26.1%から63.2%の減少に対応する。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】
