Fugu-MT 論文翻訳(概要): Pack and Measure: An Effective Approach for Influence Propagation in Social Networks

論文の概要: Pack and Measure: An Effective Approach for Influence Propagation in Social Networks

arxiv url: http://arxiv.org/abs/2401.00525v1
Date: Sun, 31 Dec 2023 15:51:33 GMT
ステータス: 処理完了
システム内更新日: 2024-01-03 16:54:17.617483
Title: Pack and Measure: An Effective Approach for Influence Propagation in Social Networks
Title（参考訳）: Pack and Measure: ソーシャルネットワークにおける影響伝播の効果的なアプローチ
Authors: Faisal N. Abu-Khzam, Ghinwa Bou Matar and Sergio Thoumi
Abstract要約: 独立カスケードモデル(IC)における影響最大化問題について考察する。新しいシードセット選択法は、$d$-packing と Centrality の概念に基づいて導入された。
参考スコア（独自算出の注目度）: 0.3222802562733786
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The Influence Maximization problem under the Independent Cascade model (IC) is considered. The problem asks for a minimal set of vertices to serve as "seed set" from which a maximum influence propagation is expected. New seed-set selection methods are introduced based on the notions of a $d$-packing and vertex centrality. In particular, we focus on selecting seed-vertices that are far apart and whose influence-values are the highest in their local communities. Our best results are achieved via an initial computation of a $d$-Packing followed by selecting either vertices of high degree or high centrality in their respective closed neighborhoods. This overall "Pack and Measure" approach proves highly effective as a seed selection method.
Abstract（参考訳）: 独立カスケードモデル(IC)における影響最大化問題について考察する。この問題は、最大影響伝播が期待される「シード集合」として機能する最小の頂点集合を求める。新しいシードセット選択法は、$d$-packingと頂点中心性の概念に基づいて導入された。特に, 地域コミュニティにおいて, 影響価値が最も高いシードバーティッシュの選択に焦点をあてている。我々の最良の結果は、$d$-Packingの初期計算によって達成され、その後、それぞれの閉じた地区の高次あるいは高中心性の頂点を選択する。この総合的な"Pack and Measure"アプローチは、種選択法として非常に効果的である。

関連論文リスト

Learning Deep Tree-based Retriever for Efficient Recommendation: Theory and Method [76.31185707649227]
効率的なレコメンデーションのために,Deep Tree-based Retriever (DTR)を提案する。 DTRは、トレーニングタスクを、同じレベルでツリーノード上のソフトマックスベースのマルチクラス分類としてフレーム化している。非リーフノードのラベル付けによって引き起こされる準最適性を緩和するため、損失関数の補正法を提案する。
論文参考訳（メタデータ） (2024-08-21T05:09:53Z)
Less is More: Fewer Interpretable Region via Submodular Subset Selection [54.07758302264416]
本稿では,上述の画像帰属問題を部分モジュラ部分選択問題として再モデル化する。我々は、より正確な小さな解釈領域を発見するために、新しい部分モジュラー関数を構築する。正しく予測されたサンプルに対しては,HSIC-Attributionに対する平均4.9%と2.5%の利得で,Deletion and Insertionスコアを改善した。
論文参考訳（メタデータ） (2024-02-14T13:30:02Z)
DQSSA: A Quantum-Inspired Solution for Maximizing Influence in Online Social Networks (Student Abstract) [17.756827206688364]
影響の最大化は、ソーシャルネットワークに広がる影響を最大化する最適なノードを選択するタスクである。本研究では、ソーシャルネットワークにおける影響拡散を最適化するための離散量子ベースのSalp Swarm Algorithm (DQSSA)を提案する。
論文参考訳（メタデータ） (2023-11-30T16:23:44Z)
IDEAL: Influence-Driven Selective Annotations Empower In-Context Learners in Large Language Models [66.32043210237768]
本稿では,影響駆動型選択的アノテーション手法を提案する。アノテーションのコストを最小限に抑えつつ、コンテキスト内サンプルの品質を向上させることを目的としている。様々なベンチマークで提案手法の優位性を確認する実験を行った。
論文参考訳（メタデータ） (2023-10-16T22:53:54Z)
Importance-Weighted Offline Learning Done Right [16.4989952150404]
文脈的帯域幅問題におけるオフラインポリシー最適化の問題について検討する。目標は、準最適行動ポリシーによって収集された決定データのデータセットに基づいて、ほぼ最適ポリシーを学ぶことである。我々は、citet2015の「単純探索」推定に基づく単純な代替手法が、過去の全ての結果よりもほぼ全ての可能な条件で優れた性能保証を与えることを示した。
論文参考訳（メタデータ） (2023-09-27T16:42:10Z)
Understanding Influence Maximization via Higher-Order Decomposition [6.542119695695405]
影響の最大化(IM)はここ数十年で大きな注目を集めている。この研究は、ソボル指数を用いた個々の種子とその高次相互作用への影響を識別する。過剰選択ノードによる現行のIMアルゴリズムの性能向上のために,SIMと呼ばれるIMアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-07-16T04:44:16Z)
Provably Efficient Reinforcement Learning for Online Adaptive Influence Maximization [53.11458949694947]
本稿では,リアルタイムフィードバックに基づいてシードノードを逐次活性化する,コンテンツ依存型オンライン影響問題の適応バージョンについて検討する。提案アルゴリズムは,最適政策を楽観的に改善しつつ,ネットワークモデルの推定を保守し,適応的にシードを選択する。
論文参考訳（メタデータ） (2022-06-29T18:17:28Z)
Contextual Bandits for Advertising Campaigns: A Diffusion-Model Independent Approach (Extended Version) [73.59962178534361]
拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
論文参考訳（メタデータ） (2022-01-13T22:06:10Z)
Learning to maximize global influence from local observations [12.611900695498218]
本研究では,一連のラウンドが$t=1,ldots,T$であり,意思決定者が影響力を最大化する目的で多数のエージェントの中から1つを選択するという,オンライン・インフルエンス問題の研究を行う。意思決定者の目標は、ネットワーク内の影響ノードの総数でエージェントのシーケンスを選択することである。
論文参考訳（メタデータ） (2021-09-24T11:59:44Z)
Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
マルコフ決定過程における純粋探索問題について検討する。エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
論文参考訳（メタデータ） (2021-06-05T09:16:28Z)
Influence Maximization Under Generic Threshold-based Non-submodular Model [1.5780411262109524]
社会的影響の概念は、ソーシャルネットワークから最も影響力のあるノード(シードノード)の数を選択し、彼らが共同で最大の影響の拡散をトリガーできるようにすることです。本稿では,ネットワークグラフを用いた一般化されたしきい値ベースモデルであるインフルエンサーバリケードモデルにおける種選択戦略を提案する。私たちの知る限りでは、これは非サブモジュラーな影響を直接取り扱う最初のグラフベースのアプローチです。
論文参考訳（メタデータ） (2020-12-18T16:14:49Z)

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。