Prediction of Information Diffusion Probabilities for Independent Cascade Model

Prediction of Information Diffusion Probabilities for Independent Cascade Model

  • Kazumi Saito, Ryohei Nakano, and Masahiro Kimura
  • KES 2008

概要

  • ICモデルの辺の伝搬確率を沢山のカスケードから予測したい
    • 頂点uが時刻tにアクティブになった情報<u,t>が分かる
  • 尤度を設定して期待値最大化
  • 人工的なネットワークで実験するとそれなりに良い

問題

  • カスケードが与えられたとして
  • vが時刻t+1でアクティブになる確率は↓
  • $$ P_v(t+1) = 1 - \prod_{u \in A_t}(1 - p_{uv}) $$
  • 伝搬確率p_uvをパラメータとして尤度を設定
  • L(θ;D): (各<u,t>に関するP_u(t)) * (<v,t>について辺uvを通っていない)
  • こんな感じのを全カスケード列に対して和をとってやる

学習

  • 確率を何か謎の計算式で更新する

実験

データの作り方

  • グラフは100Kオーダー
  • [0.1,0.3]の間で一様に確率を選ぶ

結果

  • 真の値との平均絶対誤差
  • カスケードが増えると誤差は減っていき0.1ちょいくらいになる

まとめ

  • Pの式でvがすでにアクティブな場合を考慮していないけどいいのかな?
  • 実験がひどい
    • [0.1,0.3]から選んでいるなら、全部p_uv=0.2にすれば、平均絶対誤差は結果くらいに小さくなる

KES inference information diffusion

2014-02-14 00:31:27 (Fri)

最終更新:2014年02月14日 00:31