論文の概要: Brand Network Booster: A new system for improving brand connectivity

• arxiv url: http://arxiv.org/abs/2309.16228v2
• Date: Thu, 25 Jul 2024 07:05:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-26 19:56:25.687198
• Title: Brand Network Booster: A new system for improving brand connectivity
• Title（参考訳）: Brand Network Booster:ブランド接続性を改善する新システム
• Authors: J. Cancellieri, W. Didimo, A. Fronzetti Colladon, F. Montecchiani, R. Vestrelli,
• Abstract要約: 本稿では,セマンティックネットワークの詳細な分析を行うための新しい意思決定支援システムを提案する。 この目的は、最大相互性改善問題の拡張版を解くことで達成されることを示す。 私たちのコントリビューションには、新たなアルゴリズムフレームワークと、Brand Network Boosterと呼ばれるソフトウェアシステムへのこのフレームワークの統合が含まれています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a new decision support system offered for an in-depth analysis of semantic networks, which can provide insights for a better exploration of a brand's image and the improvement of its connectivity. In terms of network analysis, we show that this goal is achieved by solving an extended version of the Maximum Betweenness Improvement problem, which includes the possibility of considering adversarial nodes, constrained budgets, and weighted networks - where connectivity improvement can be obtained by adding links or increasing the weight of existing connections. Our contribution includes a new algorithmic framework and the integration of this framework into a software system called Brand Network Booster (BNB), which supports brand connectivity evaluation and improvement. We present this new system together with three case studies, and we also discuss its performance. Our tool and approach are valuable to both network scholars and in facilitating strategic decision-making processes for marketing and communication managers across various sectors, be it public or private.
• Abstract（参考訳）: 本稿では、ブランドイメージのより深い探索と接続性向上のための洞察を提供する、セマンティックネットワークの詳細な分析のための新しい意思決定支援システムを提案する。 ネットワーク分析の観点では、敵ノード, 制約付き予算, 重み付きネットワークを考慮し、リンクの追加や既存の接続の重み付けによって接続性の向上を図ることを含む、最大相互性改善問題の拡張版を解くことにより、この目標が達成されることを示す。 私たちのコントリビューションには、新しいアルゴリズムフレームワークと、ブランド接続評価と改善をサポートするBrand Network Booster(BNB)と呼ばれるソフトウェアシステムへのこのフレームワークの統合が含まれています。 本稿では,本システムと3つのケーススタディについて述べるとともに,その性能についても考察する。 当社のツールとアプローチは,ネットワーク学者にも,さまざまな分野にわたるマーケティングやコミュニケーションマネージャのための戦略的意思決定プロセスの促進にも有用です。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• Semantic Revolution from Communications to Orchestration for 6G: Challenges, Enablers, and Research Directions [16.807697160355303]
  本稿では,KB-MANO(Knowledge Base Management and Orchestration)フレームワークを紹介する。 KB-MANOは、知識の更新と再配布に特化したネットワークおよびコンピューティングリソースの割り当てを目的としている。 KB-MANOと無線アクセスネットワークのリソース割り当ての統合を実証するために概念実証法を提案する。
  論文  参考訳（メタデータ） (2024-06-24T09:04:09Z)
• Towards Intelligent Network Management: Leveraging AI for Network Service Detection [0.0]
  本研究では,高度なネットワークトラフィック分類システムを構築するために機械学習手法を活用することに焦点を当てた。 我々は,様々なネットワークサービスタイプをリアルタイムに識別する,新しいデータ駆動型アプローチを提案する。 本システムは,ネットワークサービスを識別する際,顕著な精度を示す。
  論文  参考訳（メタデータ） (2023-10-14T16:06:11Z)
• Multi-Agent Reinforcement Learning for Network Routing in Integrated Access Backhaul Networks [0.0]
  IABネットワークの遅延を最小化しながらパケット到着率を最大化することを目的としている。 この問題を解決するため、我々はマルチエージェントで部分的に観察されたマルコフ決定プロセス(POMD)を開発した。 A2Cは他の強化学習アルゴリズムよりも優れており、ネットワーク効率が向上し、利己的エージェントの挙動が低下することを示した。
  論文  参考訳（メタデータ） (2023-05-12T13:03:26Z)
• Graph Convolutional Reinforcement Learning for Collaborative Queuing Agents [6.3120870639037285]
  DGNとして知られる新しいグラフ畳み込み型マルチエージェント強化学習手法を提案する。 DGNベースのアプローチは,すべてのシナリオにおいて厳格なスループットと遅延要件を満たすことを示す。
  論文  参考訳（メタデータ） (2022-05-24T11:53:20Z)
• On Topology Optimization and Routing in Integrated Access and Backhaul Networks: A Genetic Algorithm-based Approach [70.85399600288737]
  IABネットワークにおけるトポロジ最適化とルーティングの問題について検討する。 我々は、IABノード配置と非IABバックホールリンク分布の両方に効率的な遺伝的アルゴリズムベースのスキームを開発する。 メッシュベースのIABネットワークを実現する上での課題について論じる。
  論文  参考訳（メタデータ） (2021-02-14T21:52:05Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• MARS-Gym: A Gym framework to model, train, and evaluate Recommender Systems for Marketplaces [51.123916699062384]
  MARS-Gymは、市場におけるレコメンデーションのための強化学習エージェントの構築と評価を行うオープンソースフレームワークである。 本稿では,Trivagoマーケットプレースデータセットにおいて,さまざまなベースラインエージェントの実装とメトリクス駆動による分析を行う。 学術研究と生産システムとのギャップを埋め、新しいアルゴリズムやアプリケーションの設計を容易にしたいと考えている。
  論文  参考訳（メタデータ） (2020-09-30T16:39:31Z)
• A Tutorial on Ultra-Reliable and Low-Latency Communications in 6G: Integrating Domain Knowledge into Deep Learning [115.75967665222635]
  超信頼性・低レイテンシ通信(URLLC)は、様々な新しいミッションクリティカルなアプリケーションの開発の中心となる。 ディープラーニングアルゴリズムは、将来の6GネットワークでURLLCを実現する技術を開発するための有望な方法と考えられている。 このチュートリアルでは、URLLCのさまざまなディープラーニングアルゴリズムにドメイン知識を組み込む方法について説明する。
  論文  参考訳（メタデータ） (2020-09-13T14:53:01Z)
• Deep Multi-Task Learning for Cooperative NOMA: System Design and Principles [52.79089414630366]
  我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。 我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
  論文  参考訳（メタデータ） (2020-07-27T12:38:37Z)
• Distributed Learning in Ad-Hoc Networks: A Multi-player Multi-armed Bandit Framework [0.0]
  次世代ネットワークは超高密度で、ピークレートは非常に高いが、ユーザ当たりのトラフィックは比較的低いと期待されている。 この問題を解決するために、他のネットワークとスペクトルを共有する認知アドホックネットワーク(CAHN)が構想されている。 本稿では,最先端のマルチアーム・マルチプレイヤー・バンディットに基づく分散学習アルゴリズムについて論じる。
  論文  参考訳（メタデータ） (2020-03-06T18:11:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。