平衡指数の影響最大化のための学習パラメータ【JST・京大機械翻訳】

Ma Manqing; Korniss Gyorgy; Szymanski Boleslaw K.

プレプリント

J-GLOBAL ID：202202208893661179 整理番号：21P0068305

平衡指数の影響最大化のための学習パラメータ【JST・京大機械翻訳】

Learning Parameters for Balanced Index Influence Maximization

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年12月14日プレプリントサーバーでの情報更新日： 2020年12月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

影響最大化は,ソーシャルネットワークにおける活性化が目標ネットワークカバレッジに達する活性化カスケードを誘発することができるノードの最小集合を見つけるタスクであり,そこでは閾値規則が影響の結果を決定する。この問題はNP困難であり,効率的な発見的発見に関する顕著な量の最近の研究を生み出した。与えられたネットワーク構造にその性能を調整する3つのパラメータに依存する{Balance Index}アルゴリズムに焦点を当てた。そのような調整のための教師つき機械学習手法の使用を提案した。パラメータチューニングに対して最も影響力のあるグラフ特徴を選択した。次に,ランダムウォークベースグラフサンプリングを用いて,与えられた合成および大規模実世界ネットワークから小さなスナップショットを作成した。網羅的探索を用いて,これらのスナップショットが地上真実として使用するためのBIパラメータの高精度値を見出した。次に,この機械学習モデルをスナップショット上で訓練し,このモデルを実際の単語ネットワークに適用して,最良のBIパラメータを見出した。著者らは,これらのパラメータをサンプリングした実世界ネットワークに適用して,開始剤のセットの品質を測定した。様々な実世界ネットワークを用いて,他の発見的手法に対するアプローチを検証した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

計算機網 , 人工知能 , 通信網

, , ,

前のページに戻る