Influence Maximization with Viral Product Design - todo314 @ ウィキ

Influence Maximization with Viral Product Design

• Nicola Barbieri, Francesco Bonchi
• SDM 2014

概要

• 製品設計も考えた情報拡散LTモデル
• 同じアイテムでも特徴が違うとσが変わる
• 頂点+特徴の選択が必要
• 提案モデルF-TMの学習手法
• 最適化アルゴリズムを頑張る

share-of-choice (SoC)問題

• u_{f,l}^i: 人i，特徴f，レベルlについてその効果
  • 負もありうる
• 各人iについて
• Σ_fΣ_l x_{f,l} u_{f,l}^i ≧ h_i
• ならiはこの製品を採用する
• x_{f,l}は0-1変数，これを決定するのが問題

feature-aware propagation model (F-TM)

• [(周りからの影響) + (特徴の影響) - (内部抵抗)]のlogistic ≧ (しきい値)
• なら採択
• 学習は何か頑張ってる

製品設計付き影響最大化

• σ(S,H): |S|≦kな頂点集合と特徴集合Hに対する影響拡散
• 全部で2^|F| choose(|V|, k)パターンある
• Hを固定するとSについて劣モジュラ
• On bisubmodular maximizationのアイデアが使えそう？→無理ポ
  • f(A,B)+f(A',B')≧f(A∪A',B∪B')+f(A∩A',B∩B')
• 頑張って局所探索とか遺伝的アルゴリズムとかする

まとめ

• 2引数は面白そう
• SoCはちょっと調べると組み合わせ最適化問題として面白いかな？

SDM 影響最大化 情報拡散モデル

2014-06-04 02:52:06 (Wed)