当社交影响遇见物品推断
社会与信息网络
2016-02-16 v4
摘要
产品推荐与病毒营销的研究问题及数据挖掘技术已被广泛研究。现有关于社交网络种子选择的工作未考虑电商店铺中产品推荐的影响。本文中，我们研究病毒营销的种子选择问题，其同时考虑社交影响与物品推断（用于产品推荐）的效果。我们开发了一种新模型——社交物品图（SIG），以超边形式捕获两种效果。相应地，我们公式化了一个称为社交物品最大化问题（SIMP）的种子选择问题，并证明了SIMP的困难性。我们为SIMP设计了一种带性能保证的高效算法，称为超边感知贪心（HAG），并开发了一种新索引结构，称为SIG-index，以加速HAG中扩散过程的计算。此外，为构建用于SIMP的真实SIG模型，我们开发了基于统计推断的框架，从数据中学习超边的权重。最后，我们针对我们的提案与多种基线进行了综合评估。实验结果验证了我们的想法，并展示了所提模型与算法相对于基线的有效性与高效性。
引用
@article{arxiv.1502.07439,
title = {When Social Influence Meets Item Inference},
author = {Hui-Ju Hung and Hong-Han Shuai and De-Nian Yang and Liang-Hao Huang and Wang-Chien Lee and Jian Pei and Ming-Syan Chen},
journal= {arXiv preprint arXiv:1502.07439},
year = {2016}
}
备注
12 pages