文献

J-GLOBAL ID：202002248390632774   整理番号：20A2142831

ソーシャルメディアデータストリームにおける人間駆動動的コミュニティは最大化に影響する【JST・京大機械翻訳】

Human-Driven Dynamic Community Influence Maximization in Social Media Data Streams

著者 (4件)： Ge Jun (School of Information Engineering, Suqian University, Suqian, China) ,  Shi Lei-Lei (School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang, China) ,  Wu Yan (School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang, China) ,  Liu Jie (School of Information Engineering, Suqian University, Suqian, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 162238-162251  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  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： Microblging Gleasona Pospital Social Service Hubbardは,現在のイベントに関する最新の情報を受信し,交換するユーザのための新しい情報チャネルになる。その結果,推薦システム,広告および他の分野で広い応用展望を持つコミュニティ影響を最大化するための重要なプラットフォームである。モバイルインターネットの急速な発展により,オンラインソーシャルネットワークは,社会ネットワークの重要な部分である日常生活に徐々に侵入する。ソーシャルネットワーキングとエッジコンピューティング技術の組合せは,重要な応用価値を持って,将来ネットワークにおける影響最大化の開発傾向であった。しかしながら,伝統的影響最大化モデルは,最も影響力のある種子ノードを探し,一方,選択したシードノードは,異なるイベントトピックのために多様であり,それは,イベント伝搬の効率と精度を著しく減らした。さらに,ほとんどの既存の方法は,イベント伝搬にだけ焦点を合わせ,イベント伝搬における多重トピックを無視する。同時に,ネットワークにおけるユーザの関心は常に単一ではなく,ユーザの興味とイベントの主題は時間とともに変化し,タイムリーな方法でモーメントイベントを追跡することが困難になる。これらの問題に取り組むために,本論文は,マルチトピック学習ベースの独立カスケードモデル(MTL-IC)と類似性優先性機構ベースの事象進化モデル(SPM-EE)を提案した。MTL-ICは,マルチトピック因子を取り入れて,利用者の関心において,権限とハブを考慮して,それはより効率的でより正確である。SPM-EEは,時間におけるそれらの変化可能な関心に従って,シードユーザを更新することができ,それは,事象進化の精度を大きく改善した。Twitterデータセットを用いた実験結果は,動的コミュニティ影響最大化とイベント進化の両方に対する提案手法の有効性を実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *ネットワーク ,  コミュニティ ,  多重化 ,  モーメント ,  類似性 ,  有効性
準シソーラス用語： *データストリーム ,  モバイルインターネット ,  社会的ネットワーク ,  ソーシャルネットワーキング ,  *ソーシャルメディア ,  ツイッター ,  オンラインソーシャルネットワーク ,  エッジコンピューティング , 【Automatic Indexing@JST】

分類 (2件)： 移動通信  (ND08030H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 人間 ,  コミュニティ ,  最大化