Online Topic-aware Influence Maximization Queries
-
Cigdem Aslay, Nicola Barbieri, Francesco Bonchi, Ricardo Baeza-Yates
-
EDBT 2014
概要
-
トピック付き影響最大化クエリ
-
アイテム毎にトピックの重みが付いている
-
少量のクエリに対する答えを索引にしておく
問題定義
-
p_e^z: トピックzに対する辺の確率
-
γ_i: アイテムiに対するトピックの重みベクトル
-
アイテムiのベクトルは p^i = Σ_z γ^z*p^z
-
アイテム毎に確率が変わるけど,その上で影響最大化
枠組み
-
H: 索引作成対象のγの集合
-
アイテムが来たら:
-
索引のあるγから似ているものを検索
-
前計算したシード集合とマージする
-
前計算とクエリ処理は結構長い
-
Kullback–Leibler情報量とか,K-Nearest Neighborとか…
実験
まとめ
-
アイテムをトピックの重み付き和としてクエリ処理するってことが分かれば十分かな
EDBT 影響最大化 情報拡散 情報拡散モデル
2014-04-30 23:12:35 (Wed)
最終更新:2014年04月30日 23:12