用于预测移动应用安装的复合社交网络
社会与信息网络
2011-06-06 v1 人机交互
物理与社会
摘要
我们通过向居住在一所大学研究生宿舍的大部分人员发放运行我们感知软件的Android智能手机，对其进行了精心的仪表化测量。在本文中，我们提出了利用社交网络预测移动应用（即“app”）安装这一新颖问题，并阐述了其挑战。现代智能手机，如我们研究中所使用的，能够利用内置传感器收集不同的社交网络（例如蓝牙邻近网络、通话记录网络等）。尽管这些信息对诸如iPhone AppStore等应用市场运营商而言是可获取的，但关于应用市场运营商如何利用这些信息进行市场研究和策略制定，尚未得到研究。我们开发了一个简单的计算模型，通过使用由手机感知到的不同网络计算出的复合网络，来更好地预测应用安装。我们的模型还捕捉了应用采纳中的个体差异和外生因素。我们展示了在预测应用安装时考虑所有这些因素的重要性，并观察到应用安装确实可预测这一令人惊讶的结果。我们还表明，与通用方法相比，我们的模型取得了最佳结果：其结果比随机猜测好四倍，并以接近45%的精确率预测了所有用户安装应用的近45%（F1分数=0.43）。
引用
@article{arxiv.1106.0359,
title = {Composite Social Network for Predicting Mobile Apps Installation},
author = {Wei Pan and Nadav Aharony and Alex Pentland},
journal= {arXiv preprint arXiv:1106.0359},
year = {2011}
}