基于知识图谱中动态个人感知的影响力最大化
社会与信息网络
2021-10-04 v5
摘要
社交网络上的病毒式营销，又称影响力最大化（Influence Maximization, IM），旨在通过最大化用户影响力的总传播范围，选取 k 个用户来推广目标物品。然而，以往大多数 IM 研究未探讨推广过程中用户对物品动态变化的感知。本文利用知识图谱（KG）捕捉动态用户感知，提出考虑用户偏好与社会影响的动态个人感知影响力最大化（IMDPP）问题，其中社会影响反映了相关物品采纳行为的作用。我们证明了 IMDPP 的困难性，并设计了一种近似算法——目标市场中动态感知播种算法（Dysim），通过引入动态可达性、目标市场和实质影响等概念，选取并推广一系列相关物品。我们在带有真实 KG 的真实社交网络上，将 Dysim 与最先进的方法进行比较以评估其性能。实验结果表明，在大型数据集上，Dysim 的影响力传播范围可达最先进方法的 6.7 倍。
引用
@article{arxiv.2010.07125,
title = {Influence Maximization Based on Dynamic Personal Perception in Knowledge Graph},
author = {Ya-Wen Teng and Yishuo Shi and Chih-Hua Tai and De-Nian Yang and Wang-Chien Lee and Ming-Syan Chen},
journal= {arXiv preprint arXiv:2010.07125},
year = {2021}
}