todo314 @ ウィキ

todo314 @ ウィキ内検索 / 「Tractable Models for Information Diffusion in Social Networks」で検索した結果

• Tractable Models for Information Diffusion in Social Networks
  Tractable Models for Information Diffusion in Social Networks Masahiro Kimura, Kazumi Saito PKDD 2006 概要（だけ） ICモデルでのσの計算がヤバイので違うモデルで計算する SPM (Shortest-Path Model) 確率的だけど最短路しか伝わらない SP1M 最短路か+1ずれた時間で伝わっても良い 頑張って数式を弄ると計算式が出てくる オリジナルが21日だったのが2時間とかになってハッピー 概要 影響最大化の中では古い方だなあ PKDD 影響最大化 情報拡散 情報拡散モデル 2014-07-01 23 24 06 (Tue)
• Selecting Information Diffusion Models over Social Networks for Behavioral ...
  Selecting Information Diffusion Models over Social Networks for Behavioral Analysis Kazumi Saito, Masahiro Kimura, Kouzou Ohara, Hiroshi Motoda ECML PKDD 2010 概要？ こっちではAsIC,AsLTモデルと言っているが， Learning Continuous-Time Information Diffusion Model for Social Behavioral ...とほぼ同じっぽいぞ…？ ECMLPKDD 情報拡散 情報拡散モデル 2014-09-14 04 08 53 (Sun)
• 論文一覧
  ...ん一派 Tractable Models for Information Diffusion in Social Networks PKDD 2006 Extracting Influential Nodes for Information Diffusion on a Social Network AAAI 2007 Minimizing the Spread of Contamination by Blocking Links in a Network AAAI 2008 Prediction of Information Diffusion Probabilities for Independent Cascade Model KES 2008 Learning Continuous-Time Information Diffusio...
• Finding Influential Nodes in a Social Network from Information Diffusion Data
  Finding Influential Nodes in a Social Network from Information Diffusion Data Masahiro Kimura, Kazumi Saito, Ryohei Nakano, Hiroshi Motoda SBP 2009 Social Computing and Behavioral Modeling 概要 ノードの影響力をカスケード情報からランキングしたい ICモデルで確率を見積もるよ！ ただし，確率の値は一様 実際のネットワークで実験してみる ヒューリスティクスより精度良い 手法 Prediction of Information Diffusion Probabilities ...
• Extracting Influential Nodes for Information Diffusion on a Social Network
  Extracting Influential Nodes for Information Diffusion on a Social Network Masahiro Kimura, Kazumi Saito, Ryohei Nakano AAAI 2007 概要 influence maximizationの高速アルゴリズム ICとLT 提案手法 ICもLTもランダムグラフを考えればいい σの増加量を効率的にもとめる 事前にランダムグラフを作っておく シード集合 A Aから到達可能な頂点を除く 頂点uについて，↑で出来たグラフでuから到達可能な頂点数Fをもとめる uと同じ連結成分に入っている頂点vについて，σ_i(A∪{v})=σ_i(A)+Fとする ...
• Learning Stochastic Models of Information Flow
  Learning Stochastic Models of Information Flow Luke Dickens, Ian Molloy, Jorge Lobo, Pau-Chen Cheng, Alessandra Russo ICDE 2012 概要 ICモデルの確率予測 Metropolis-Hastingsアルゴリズム attributed 影響の親が分かる unattributed 親が分からん 両方について実験 Attributedの場合 シード集合，活性頂点集合，拡散の履歴が分かる βICモデル 各辺の確率 ベータ分布(α_e,β_e)に従う 平均α/(α+β) 拡散の履歴から各α，βをインクリメントするだ...
• Information Diffusion in Mobile Social Networks: The Speed Perspective
  Information Diffusion in Mobile Social Networks The Speed Perspective Zongqing Lu, Yonggang Wen, Guohong Cao INFOCOM 2014 概要 拡散（時間）最小化問題 できるだけ早く全体に伝わって欲しい k-center 問題になる 近似比 log*n，時間 O(n^5)くらいしかない コミュニティベースのアルゴリズムを考案 分散集合被覆アルゴリズム（謎 問題定義 辺には重みがあって確率が決まる そういうのから期待遅延時間が定義できる max_v |(S,v)|を最小化したい！！ |(S,v)|はSからvに伝わる最小期待伝播時間 ...
• Super mediator - A new centrality measure of node importance for information ...
  Super mediator - A new centrality measure of node importance for information diffusion over social network Kazumi Saito, Masahiro Kimura, Kouzou Ohara, Hiroshi Motoda Information Sciences 2015 メモ Uncorrected Proof 概要 影響最大化の解は影響力が高いが，影響力が強い頂点はそれだけではない super mediator 消すとσが下がる 色々な中心性との違いを実験的に見る 定義 Data-driven super mediator ある頂点の拡散過程を沢...
• Learning Continuous-Time Information Diffusion Model for Social Behavioral ...
  Learning Continuous-Time Information Diffusion Model for Social Behavioral Data Analysis Kazumi Saito, Masahiro Kimura, Kouzou Ohara, Hiroshi Motoda ACML 2009 概要 Continuous-Time Independent Cascade Model r_uv 時間遅延パラメータ κ_uv 伝播確率 時刻tでuがactiveになったら， vを時刻t+δに確率κ_uvでactiveにする δはr_uvからきまる指数分布 学習したいパラメータ パラメータはrとκ カスケードの観測データD_Mは各頂点がactiveになっ...
• 気になった論文
  理論計算機科学 ACM Symposium on Theory of Computing STOC 2000 Circuit minimization problem A combinatorial, strongly polynomial-time algorithm for minimizing submodular functions Improved algorithms for submodular function minimization and submodular flow On dual minimum cost flow algorithms The small-world phenomenon an algorithm perspective A random graph model for mass...
• Maximizing the Long-term Integral Influence in Social Networks Under the ...
  Maximizing the Long-term Integral Influence in Social Networks Under the Voter Model Chuan Zhou, Peng Zhang, Wenyu Zang, Li Guo WWW 2014 companion ポスター 概要 Voter Modelにおける影響最大化 long-term integralを最大化したい 問題+提案手法 モデルはInfluence Diffusion Dynamics and Influence Maximization in Social Networks ... long-term integral influence maximization σ(S) = E[...
• Influence Blocking Maximization in Social Networks under the Competitive ...
  Influence Blocking Maximization in Social Networks under the Competitive Linear Threshold Model Xinran He, Guojie Song, Wei Chen, Qingye Jiang SDM 2012 概要 Competitive Linear Threshold モデルを考えたよ 目的関数は自分の最大化じゃなくて，相手の最大化だよ そうするとこのモデルではsubmodularだよ 目的関数の計算が大変なのでPMIAっぽいものを作った Competitive Linear Threshold Model 各辺には2つの重みw+とw-がある 各頂点の閾値も2つθ+とθ- 状態はin...
• Reducing Social Network Dimensions Using Matrix Factorization Methods
  Reducing Social Network Dimensions Using Matrix Factorization Methods Václav Snášel, Zdenek Horák, Jana Kocıbová, Ajith Abraham ASONAM 2009 概要だけ グラフを小さくしたい concept lattice(概念束)なるものがあるらしい Formal concept analysis(形式概念分析)と特異値分解 ASONAM 概念束 特異値分解 2014-09-21 01 47 31 (Sun)
• Efficient Estimation of Influence Functions for SIS Model on Social Networks
  Efficient Estimation of Influence Functions for SIS Model on Social Networks Masahiro Kimura, Kazumi Saito, Hiroshi Motoda IJCAI 2009 概要 SISモデルのシミュレートを高速化 ボンドパーコレーションと適当な枝刈り 精度には影響しない 実験で数百倍以上速い SISモデル 時刻は離散的 最初に頂点を活性化 活性頂点は非活性な頂点を与えられた確率で活性化 成功したら次の時刻に活性化 何も影響されなかった頂点は次の時刻に非活性化 求めたいもの σ(v,t) 時刻0でvを活性化したとき，時刻tで活性な頂点の数...
• Scalable Similarity Estimation in Social Networks: Closeness, Node Labels, ...
  Scalable Similarity Estimation in Social Networks Closeness, Node Labels, and Random Edge Lengths Edith Cohen, Daniel Delling, Fabian Fuchs, Andrew V. Goldberg, Moises Goldszmidt, Renato F. Werneck COSN 2013 背景 直径が小さいグラフで最短路を求める意味はあるのか？ そこを考えよう！ 概要 最短路ベースの頂点間関連性 RWR, SimRank, Resistance dsitance, … この論文 色々提案して、その計算、既存の関連性との比較 神か A...
• Scalable Influence Maximization in Social Networks under the Linear ...
  Scalable Influence Maximization in Social Networks under the Linear Threshold Model Wei Chen, Yifei Yuan, Li Zhang In ICDM 2010 概要 LTモデル用の高速アルゴリズム LTモデルでのσの計算は#P-hard DAGをとってきて、それの上で高速計算 #P-hardness 基本は単純経路の数え上げからの帰着 アルゴリズム LTモデルからlive-edge graphを考える eはw_eの確率で残ると書いてあるが、本当だろうか…？ Kempeのではもっと複雑なことをしていた こうすると、random graph上でのreacha...
• Learning Diffusion Probability based on Node Attributes in Social Networks
  Learning Diffusion Probability based on Node Attributes in Social Networks Kazumi Saito, Kouzou Ohara, Yuki Yamagishi, Masahiro Kimura, Hiroshi Motoda ISMIS 2011 概要 拡張した情報拡散モデル 時間遅延付き 頂点属性付き（新しい） パラメータ学習を提案 人口データで実験 上手くいった！ AsICモデル 実際の情報拡散は離散時間なワケがない p_uv 伝播確率 r_uv 遅延時間のパラメータ 遅延時間は指数分布 頂点属性 頂点vはJ個の属性を持つ，j番目はv...
• Information Diffusion and External Influence in Networks
  Information Diffusion and External Influence in Networks Seth Myers, Chenguang Zhu, Jure Leskovec In KDD 2012 メモ http //cs.stanford.edu/people/jure/pubs/ext-kdd12.pdf アブスト influence の始まりってどこ？ってのを考える influence の伝わり方は2パターンある ノード-ノードを伝って ネットワーク外から これに注目 新しいモデル フィッティングしやすいパラメータ Twitterに適用 完全なひと月のデータ 情報がネットワークをジャンプしている ...
• Modeling Information Diffusion in Implicit Networks
  Modeling Information Diffusion in Implicit Networks Jaewon Yang, Jure Leskovec ICDM 2010 概要 基本的にunderlyingなグラフは分からん グラフ構造っぽいのを使わずにモデリング Linear Influence Model Linear Influence Model 定式化 仮定 uがアクティブになった時刻 これだけ、リンク関係は謎 V(t) 時刻tに情報に言及した頂点の数 I_u(l) 頂点uが言及してから影響を受けてl時間後の言及した頂点の数 A(t) 時刻tまでにアクティブになった頂点の集合 M_u,k(t) 時刻tまでにuがアクテ...
• Limiting the Spread of Misinformation in Social Networks
  Limiting the Spread of Misinformation in Social Networks Ceren Budak, Divyakant Agrawal, Amr El Abbadi In WWW 2011 概要 誤情報に対する訂正情報をイイ感じに流して誤情報の伝播を減らしたい submodular ってからのヒューリスティクス 問題 Multi-Campaign Independent Cascade Model 誤情報と訂正情報はそれぞれ辺ごとに異なる確率をとる 同時なら訂正優先 一度情報を受け取ったら以後変化しない 到達時間が大事 定式化 既に誤情報はいくらか伝わっている rターンたっている k...
• メニュー
  メニュー トップページ 論文一覧 気になった論文 Parameterized Algorithms influence maximizati ICDM KDD AAAI k-means SCG SODA nearest neighbor IJCAI VLDB clustering coefficie random walk WWW STOC SIGMOD quasi-clique NIPS ICML SDM PNAS JMLR information diffusio triangle I/O-efficient algori Econometrica SCC streaming algorithm JEA ALENEX graph partitioning spectral clustering causality t...
• Time Constrained Influence Maximization in Social Networks
  Time Constrained Influence Maximization in Social Networks Bo Liu, Gao Cong, Dong Xu, Yifeng Zeng ICDM 2012 ※Wei ChenのTime-Critical Influence Maximization in Social Networks with Time-Delayed Diffusion Processとは独立らしい 概要 時間制限付きinfluence maximizationを提案 NP-hardだけどmonotoneかつsubmodular Influence Spreading Pathという速いアルゴリズムを提案 実験して提案手法とベースラインを比較 モデル・問...
• Latent Feature Independent Cascade Model for Social Propagation
  Latent Feature Independent Cascade Model for Social Propagation Yuya Yoshikawa, Tomoharu Iwata, Hiroshi Sawada PDPTA 2013 International Conference on Parallel Distributed Processing Techniques Applications 概要 頂点属性っぽいのがついたICモデル 特徴が潜在的なのがポイント Learning Diffusion Probability based on Node Attributes in Social Networksは明示的に与える と主張しているはず モデル ...
• Scalable and Parallelizable Processing of Influence Maximization for ...
  Scalable and Parallelizable Processing of Influence Maximization for Large-Scale Social Networks Jinha Kim, Seung-Keol Kim, Hwanjo Yu 浦項（ぽはん）工科大学校 In ICDE 2013 概要 並列化可能なアルゴリズム 競技相手はPMIA 質はCELF並、PMIAより良い 速度はPMIAより速い 提案手法 Independent Path Algorithm(IPA) 経路を指定したらそれを使う確率は全部かければ良い グラフがもらえた 有るノードからtraverseして木っぽくパスを広げる（同じ頂点がいくつかある...
• A Novel and Model Independent Approach for Efficient Influence Maximization ...
  A Novel and Model Independent Approach for Efficient Influence Maximization in Social Networks Hemank Lamba, Ramasuri Narayanam WISE 2013 概要 influence maximizationの手法は大体はモデルに強く依存する(・A・)ｲｸﾅｲ!! sparsificationするよ！ 精度を落とさずに数倍高速化 提案手法 ある頂点の近傍のスコアを出す スコアの出し方 色々な基準を大量に持ってくる 適当に重みを計算して足し合わせる スコアの大きい近傍をdeg(i)^eだけ残す 0 =e =1 実験 ...
• COMMIT: A Scalable Approach to Mining Communication Motifs from Dynamic Networks
  COMMIT A Scalable Approach to Mining Communication Motifs from Dynamic Networks Saket Gurukar, Sayan Ranu, Balaraman Ravindran SIGMOD 2015 概要 テンポラルネットワーク上で頻出するモチーフを抽出したい 次数列に変換，部分列マイニングで絞る Frequent subgraph mining A- B(1)とB- C(2) A- B(2)とB- C(1) 違うお グラフ同型問題的なので，時間的関係を考慮するのはちょいやばめ？ マイニング的手法…厳密でない 定義 辺はある時刻に瞬間的に発生 $$ |t_i - t_...
• Scalable Methods for Adaptively Seeding a Social Network
  Scalable Methods for Adaptively Seeding a Social Network Thibaut Horel, Yaron Singer WWW 2015 概要 影響最大化の問題 … アクセスできる頂点には制限有 解決法 … 二段階アプローチ [Seeman-Singer. FOCS 13] 独立カスケード・線形閾値等で定数近似 独立カスケード・線形閾値等で定数近似 すごく遅い この論文 より簡単な拡散モデルで効率的近似手法 実験でスケーラビリティ 効果を検証 詳細は https //www.slideshare.net/secret/nIKkJnFLPQeMj WWW 影響最大化 情報拡散 2017/10/02
• Topic-aware Social Influence Propagation Models
  Topic-aware Social Influence Propagation Models Topic-aware Social Influence Propagation Models Nicola Barbieri, Francesco Bonchi, Giuseppe Manco Yahoo! Research Barcelona ICDM 2012 概要 トピックを考慮したモデルにICとLTを拡張 期待値最大化でパラメータを見積もる 上のモデルは大変なので，ちょっとパラメータ数を減らしたモデルを考案 実験して普通のICより良かった Topic-awareモデル Topic-aware Independent Cascade Model (TIC) z...
• A Data-Based Approach to Social Influence Maximization
  A Data-Based Approach to Social Influence Maximization Amit Goyal, Francesco Bonchi, Laks V. S. Lakshmanan VLDB 2012 概要 Data-Basedの意味：伝播確率をデータから推定するのではなく、直接σを推定する Credit Distribution Modelというモデルを提案 NP-hardでsubmodular σ_CDでの最大化が良いし速い！！ 何でこんなことになったのか いろんなモデルを使って実験してみよう weighted cascade model trivalency model uniform IC model EMアルゴリズ...
• On Influential Nodes Tracking in Dynamic Social Networks
  On Influential Nodes Tracking in Dynamic Social Networks Xiaodong Chen, Guojie Song, Xinran He, Kunqing Xie SDM 2015 概要 動的グラフでの影響最大化 今のシードを交換ヒューリスティック 影響力の評価は上限ベースの手法も使って枝刈り 提案手法 [Nemhauser-Wolsey-Fisher. 78]の交換ヒューリスティック 局所改善で1/2近似 あまりシード集合が変わらないはずだからという観察 $$ S = S-v_s+v^* $$ $$ v^* \in V \setminus S $$ 一番上昇する奴 $$ v_s $$ 上限使って...
• Efficient algorithms for influence maximization in social networks
  Efficient algorithms for influence maximization in social networks Yi-Cheng Chen, Wen-Chih Peng, Suh-Yin Lee KAIS 2012 概要 CDH Community and Degree Heuristic CDH-KcutとCDH-SHRINK Heat diffusion model (HDM) 熱拡散（物理現象） f_i(t) 時刻tでのv_iの熱 初期状態t=0が与えられる 近傍からΔtの間影響を受ける iの変化量 = αΣ_j [f_j(t)-f_i(t)] 熱がθを超えたらアクティブになったとする シードに対してf(t_0)=h_0とセットする...
• Influence Diffusion Dynamics and Influence Maximization in Social Networks ...
  Influence Diffusion Dynamics and Influence Maximization in Social Networks with Friend and Foe Relationships Yanhua Li, Wei Chen, Yajun Wang, Zhi-Li Zhang WSDM 2013 概要 voter modelを拡張 元はunsigned network signed networkにした 味方とは同じ意見（色） 敵とは違う意見（色） 最初の色の分布を与えた時の挙動を解析（面白い） このモデルでinfluence maximization ある意味で簡単 確率的振舞を計算するのが超大変 Voter ...
• Outward Influence and Cascade Size Estimation in Billion-scale Networks
  Outward Influence and Cascade Size Estimation in Billion-scale Networks]] Hung T. Nguyen, Tri P. Nguyen, Tam N. Vu, Thang N. Dinh SIGMETRICS 2017 （会議） Proceedings of the ACM on Measurement and Analysis of Computing Systems 2017 （ジャーナル） 概要 影響力推定の新しい指標outward influenceを作ったよ！…E[拡散サイズ]-|シードサイズ| 相対誤差を保証するのが難しい 高速アルゴリズムを作ったよ カスケードが小さくなり過ぎようにimportance samplingを...
• IMGPU: GPU-Accelerated Influence Maximization in Large-Scale Social Networks
  IMGPU GPU-Accelerated Influence Maximization in Large-Scale Social Networks Mo Li, Zhenjiang Li, Longfei Shangguan, Shaojie Tang, and Xiang-Yang Li TPDS 2014 概要 influence maximizationのGPUを取り入れたよ 既存手法の60倍速くなったよ IMGPU Bottom-Up Traversal Algorithm (BUTA) 元のグラフから沢山ランダムグラフを作る 各頂点のレベルを定義 末端までの最長距離 レベルで並列化するよ SCC内は全部同じなのでつぶすよ σ_S(u) =...
• Delineating Social Network Data Anonymization via Random Edge Perturbation
  Delineating Social Network Data Anonymization via Random Edge Perturbation Mingqiang Xue, Panagiotis Karras, Chedy Raissi, Panos Kalnis, Hung Keng Pung CIKM 2012 概要 random edge perturbation によるグラフの匿名化 上を攻撃する手法 グラフの特徴量を推定 Random Edge Perturbation 辺を確率μで独立に足したり消したりする XORってこと denseになるけどいいや 色々推定 ※μは公開するとして良い 密度 μが分かるので、て...
• Negative Influence Minimizing by Blocking Nodes in Social Networks
  Negative Influence Minimizing by Blocking Nodes in Social Networks Senzhang Wang, Xiaojian Zhao, Yan Chen, Zhoujun Li, Kai Zhang, Jiali Xia AAAI Workshop 2013 概要 ノードを取り除いて影響の拡散を抑えたい！ ウイルス，誤情報等 Negative Influence Minimization 感染シード(given) I ブロック S(|S|=k) 目標 minimize σ(I; V-S) Sは感染しない 手法 σが小さくなるノードを貪欲に選んでいく 実験 比較...
• Anytime Influence Bounds and the Explosive Behavior of Continuous-Time ...
  Anytime Influence Bounds and the Explosive Behavior of Continuous-Time Diffusion Networks Kevin Scaman, Rémi Lemonnier, Nicolas Vayatis NIPS 2015 概要だけ Tight Bounds for Influence in Diffusion Networks and Application to Bond ...の続き Hazard matrixを拡張するために、Laplace変換を導入した定義をしている 証明しているもの ある時刻での影響拡散の上限 Critical time（いつ拡散がでかくなるか）の下限 特定の確率設定や、SIRモデルでの応用 先...
• Inferring Networks of Diffusion and Influence
  Inferring Networks of Diffusion and Influence Manuel Gomez-Rodriguez, Jure Leskovec, Andreas Krause In KDD 2010 よしださん 概要 ネットワークは明示的に得られない 薬物乱用者の注射針共有ネットワーク 分かるのは現象、結果だけ 結果からネットワークを推定できる？ 結果 O(n^2)時間でできる グラフの候補は2^n*n通り 拡散モデル 伝播時間 P(Δ)∝exp(Δ/α) or 1/Δ^α u- v の伝播の尤度を設定 外部からの伝播もあり 特定のカスケードに対して有向木Tの尤度を各辺について掛け合わせる ...
• Approximate Convex Decomposition Based Localization in Wireless Sensor Networks
  Approximate Convex Decomposition Based Localization in Wireless Sensor Networks Wenping Liu, Dan Wang, Hongbo Jiang, Wenyu Liu, Chonggang Wang INFOCOM 2012 概要 Localization やばいのでヒューリスティクスばかり MDSって既存手法 凹だったり穴があるとやばい 凸図形に分割して気合 問題 2次元のWireless Sensor Netrwork 各頂点の位置が知りたい GPSはコスト高 ｰ すこしの頂点（アンカー）だけに設置 互いに距離が小さい所は通信 その距離が分からない場合...
• Cost-effective Outbreak Detection in Networks
  Cost-effective Outbreak Detection in Networks Jure Leskovec, Andreas Krause, Carlos Guestrin, Christos Faloutsos, Jeanne VanBriesen, Natalie Glance KDD 2007 概要 outbreak detection問題を考える 色々あるけど目的関数はsubmodularになるのが多い 貪欲アルゴリズムで近似だ！ しかもsubmodularityを活かした高速化手法+online boundも考案 安定のLeskovecといったところか Outbreak detection モチベーション グラフ上でのカスケードを検知したい！ 水質汚染 ...
• Scalable Influence Maximization for Prevalent Viral Marketing in Large-Scale ...
  Scalable Influence Maximization for Prevalent Viral Marketing in Large-Scale Social Networks Wei Chen, Chi Wang, Yajun Wang In KDD 2010 概要 MIAモデルというのを使ってinfluence maximizationを高速化 アルゴリズム maximum influence paths (MIP) v- uへの伝搬は最短経路だけを考える しきい値θ以下の伝搬は無視する Dijkstraの途中で打ち切る maximum influence arborescence model influence spreadを以下で近似 $$ ...
• CINEMA: Conformity-Aware Greedy Algorithm for Influence Maximization in ...
  CINEMA Conformity-Aware Greedy Algorithm for Influence Maximization in Online Social Networks Hui Li, Sourav S Bhowmick, Aixin Sun EDBT 2013 Contribution conformity-aware cascade model(c^2 model) の提案 mag-list というデータ構造 CINEMA (Conformity-aware INfluEnce MAximization) 部分グラフに分割する←a novel approach ??? 何が問題なの？ ぶっちゃけよく分からん とにかく普通のIC・LTモデルはダメでconfo...
• Influence Spread in Large-Scale Social Networks - A Belief Propagation Approach
  Influence Spread in Large-Scale Social Networks - A Belief Propagation Approach Huy Nguyen, Rong Zheng ECML PKDD 2012 概要だけ 大体PMIAの拡張みたいなもん DAGに変換して信念伝播法っぽいことをする ECMLPKDD 影響最大化 2014/12/11
• Diffusion Centrality in Social Networks
  Diffusion Centrality in Social Networks Chanhyun Kang, Cristian Molinaro, Sarit Kraus, Yuval Shavitt, V.S. Subrahmanian ASONAM 2012 概要（だけ） Degree, Betweenness, Stress, Closeness, Eigenvectorなどの中心性は何が伝わるかとかあんま考えていない そういうのを考慮した中心性 Diffusion Centrality 頂点・辺が述語（何が伝わるかみたいな）をもっている 色々性質があるので，何がどういう確率で伝わるかみたいなのをかなり細かく定義している 拡散過程の定義がもはや読んでない これで中心性を速く求める手法を作った...
• Uncovering the Temporal Dynamics of Diffusion Networks
  Uncovering the Temporal Dynamics of Diffusion Networks Manuel Gomez-Rodriguez, David Balduzzi, Bernhard Schölkopf ICML 2011 概要 遅延を含めた情報拡散モデル spatiotemporal 時空の カスケードだけから，辺とその情報を学習 関連 Inferring Networks of Diffusion and Influence On the Convexity of Latent Social Network Inference モチベーション whereとwhenはわかるがhowとwhyは分からない いつ誰が記事を投稿 / 病...
• Resampling-based Predictive Simulation for Identifying Influential Nodes ...
  Resampling-based Predictive Simulation for Identifying Influential Nodes over Social Network 社会ネットワーク上の強影響度ノード同定のためのリサンプリングに基づく予測シミュレーション法の提案 Kouzou Ohara, Kazumi Saito, Masahiro Kimura, Hiroshi Motoda JSAI 2014 概要 ICモデルのシミュレーションは何回やればいいの？ 真の影響度との誤差を知りたいけれど，真値が分からない leave-N-out 交差検証 |S|回シミュレートした $$ \bar{A}_S(v) $$ 試行集合Sに対するvの影響度の平均値 パラメータNについて↓で...
• Time-Critical Influence Maximization in Social Networks with Time-Delayed ...
  Time-Critical Influence Maximization in Social Networks with Time-Delayed Diffusion Process Wei Chen, Wei Lu, Ning Zhang AAAI 2012 概要 ICモデルは時間制限を設けないからダメ 締切＋時間の遅延付きモデルを考案 高速(?)アルゴリズムも提案して実験 Independent Cascade with Meeting events 遭遇確率 m(u,v) 伝搬確率 p(u,v) 各ステップtで、アクティブな頂点uは非アクティブな頂点に確率m(u,v)で遭遇する 一回目の遭遇において確率p(u,v)でアクティベーションが成功する これは一回だけ ...
• Linear Computation for Independent Social Influence
  Linear Computation for Independent Social Influence Qi Liu, Biao Xiang, Lei Zhang, Enhong Chen, Chang Tan, Ji Chen ICDM 2013 概要だけ 何か頂点集合を取り除いた後の各頂点の影響力が知りたいらしい ここのモチベーションが分からん… linear social influence modelなるものを提案 簡単に言うと集合の影響力が各頂点の影響力の和 だから，行列で全て簡単に書ける 応用 頂点のランキング Top-k抽出 和なので，もっと簡単 まとめ 微妙… ICDM 情報拡散 情報拡散モデル ...
• Proposal of AIDM: Agent-based Information Diffusion Model
  Proposal of AIDM Agent-based Information Diffusion Model マルチエージェント型情報拡散モデル(AIDM) の提案 Keisuke IKEDA, Yoshiyuki OKADA, Takeshi SAKAKI, Fujio TORIUMI, Youiti KAZAMA, Itsuki NODA, Kosuke SHINODA, Hirohiko SUWA, Satoshi KURIHARA JSAI 2014 概要 ピークが沢山あるようなモデルを作ったよ モチベーション 東日本大震災でのTwitterの使われ方に注目 デマ（訂正）情報の拡散のピークが1個だけだったり一杯あったりするよ マルチバースト型（一杯の方）を再現したい ...
• Minimizing the expected complete influence time of a social network
  Minimizing the expected complete influence time of a social network Yaodong Ni, Lei Xie, Zhi-Qiang Liu Information Sciences 2010 概要 最終的に全員が活性化する MP3プレーヤーがカセットテープの上位互換，みたいに駆逐される設定 時間が勝負 incremental chance model 無向グラフ G=(V,E,w) jumping 1つ以上の活性頂点を近傍に持つ sleeping 近傍は全て非活性 時刻tで頂点jは $$ p_t^j = \frac{\sum_{i \in N(j) \mathrm{active}}w_{ij}...
• @wiki全体から「Tractable Models for Information Diffusion in Social Networks」で調べる

更新順にページ一覧表示 | 作成順にページ一覧表示 | ページ名順にページ一覧表示 | wiki内検索