「Topic-aware Social Influence Propagation Models」の編集履歴（バックアップ）一覧はこちら
追加された行は緑色になります。
削除された行は赤色になります。
Topic-aware Social Influence Propagation Models
* Topic-aware Social Influence Propagation Models
- Nicola Barbieri, Francesco Bonchi, Giuseppe Manco
-- Yahoo! Research Barcelona
- ICDM 2012
* 概要
- トピックを考慮したモデルにICとLTを拡張
- 期待値最大化でパラメータを見積もる
- 上のモデルは大変なので，ちょっとパラメータ数を減らしたモデルを考案
- 実験して普通のICより良かった
* Topic-awareモデル
** Topic-aware Independent Cascade Model (TIC)
- z: 1,…,Kのトピック
- p_uv^zがuからvへのトピックzに関する重み
- アイテムiが伝播するときにトピックの分布を考える
-- γ_i^z = Pr(Z=z | i)
- 上で定義したパラメータを考慮してアイテムiに関する伝播確率は
- p_uv^i = Σ_z γ_i^z * p_uv^z
** Topic-aware Linear Threshold Model (TLT)
- 上と大体同じ感じ
- 解析とか…
- submodularなのはdirectに出る
** パラメータ推定
- (User, Item, Time)のデータを大量にとってくる
- EMアルゴリズムで頑張る（略）
- 何が大変か？
-- パラメータ数がK(|E|+|I|)
-- やばすぎなので，次のモデルで少し減らす
* AIR(Authoritativeness-Interest-Relevance) モデル
- p_v^z: トピックzに関するvのauthoritativeness
-- 正なら信じる，負なら疑う
- θ_u^z = Pr(Z=z | u): 興味
- φ_i^z: 関連性の重み
- 何がうれしいの？
-- パラメータ数がK(|V|+|I|)に減った
* 実験
- DiggとFlixster
- 精度の確認
-- IC，TIC，AIRを比較
-- Activation Test: <u,i>についてチェック
-- Selection Probabilities:
-- Activation Time (Influence Episodes): 時刻？
-- とりあえず，上の基準それぞれをROCカーブで見てみるとAIRが良いらしい？
- Influence Maximization
-- トピック有りの方が無しより上手くいくね
-- アイテムによってかなりinfluence spreadの値が変わるね
* まとめ
- トピック依存なのは重要だ
- トピック毎に分けたらイカンのか？
-- 書いてありそう…
- パラメータ推定はこの時期になると結構上手くいっているのかな？
&tags()
&update()
