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
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