論文の概要: Community Quality and Influence Maximization: An Empirical Study
- arxiv url: http://arxiv.org/abs/2512.03095v1
- Date: Mon, 01 Dec 2025 09:59:04 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-04 11:57:35.104972
- Title: Community Quality and Influence Maximization: An Empirical Study
- Title（参考訳）: 地域社会の質と影響の最大化--実証的研究
- Authors: Motaz Ben Hassine,
- Abstract要約: ソーシャルネットワークは、バイラルマーケティング、疫学、製品レコメンデーション、対テロなどの応用において重要な役割を担っている。
共通のアプローチとしてカスケードシードノード(Cascade seed node)がある。
しかし, 検出されたコミュニティの品質が, インディペンデントモデルの下での影響力の広がりを常に認識しているかどうかは不明である。
本稿では,独立モデルに基づく影響問題に対して,$$-hierarchical Clusteringと呼ばれる不連続なコミュニティ検出手法を拡張することによって,この問題に対処する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Influence maximization in social networks plays a vital role in applications such as viral marketing, epidemiology, product recommendation, opinion mining, and counter-terrorism. A common approach identifies seed nodes by first detecting disjoint communities and subsequently selecting representative nodes from these communities. However, whether the quality of detected communities consistently affects the spread of influence under the Independent Cascade model remains unclear. This paper addresses this question by extending a previously proposed disjoint community detection method, termed $α$-Hierarchical Clustering, to the influence maximization problem under the Independent Cascade model. The proposed method is compared with an alternative approach that employs the same seed selection criteria but relies on communities of lower quality obtained through standard Hierarchical Clustering. The former is referred to as Hierarchical Clustering-based Influence Maximization, while the latter, which leverages higher-quality community structures to guide seed selection, is termed $α$-Hierarchical Clustering-based Influence Maximization. Extensive experiments are performed on multiple real-world datasets to assess the effectiveness of both methods. The results demonstrate that higher-quality community structures substantially improve information diffusion under the Independent Cascade model, particularly when the propagation probability is low. These findings underscore the critical importance of community quality in guiding effective seed selection for influence maximization in complex networks.
- Abstract（参考訳）: ソーシャルネットワークにおける最大化の影響は、バイラルマーケティング、疫学、製品レコメンデーション、意見マイニング、対テロリズムなどの応用において重要な役割を果たす。
共通のアプローチは、最初に不連続なコミュニティを検出し、次にこれらのコミュニティから代表ノードを選択することによって、シードノードを特定する。
しかし,検出されたコミュニティの品質がインディペンデント・カスケード・モデルの下での影響力の拡散に常に影響を与えているかどうかは不明である。
本稿では,独立カスケードモデルに基づく影響最大化問題に対して,従来提案されていた$α$-階層クラスタリングと呼ばれる非結合なコミュニティ検出手法を拡張して,この問題に対処する。
提案手法は, 標準階層クラスタリングにより得られる品質の低いコミュニティに依存している。
前者は階層的クラスタリングに基づく影響最大化(hierarchical Clustering-based Influence Maximization)、後者は高品質なコミュニティ構造を活用して種選択を導くもので、$α$-階層的クラスタリングに基づく影響最大化(hierarchical Clustering-based Influence Maximization)と呼ばれる。
両手法の有効性を評価するために,複数の実世界のデータセット上で大規模な実験を行う。
その結果、特に伝播確率が低い場合、高品質なコミュニティ構造は独立カスケードモデルの下で情報拡散を大幅に改善することが示された。
これらの知見は、複雑なネットワークにおける影響の最大化に有効な種選択を導く上で、コミュニティの品質が重要であることを裏付けるものである。
関連論文リスト
- New Recipe for Semi-supervised Community Detection: Clique Annealing under Crystallization Kinetics [6.980148661624593]
本稿では,運動学の概念をコミュニティ検出に統合するCLique ANNealing(CLANN)を提案する。
特に、コミュニティ検出は、アニーリングに似たプロセスを通じて完全な穀物(コミュニティ)に広がる結晶のサブグライン(コア)を特定するのが好まれる。
textbf43の異なるネットワーク設定の実験では、CLANNは複数の実世界のデータセットで最先端のメソッドよりも優れています。
論文 参考訳（メタデータ） (2025-04-22T14:17:15Z) - Cost-Effective Community-Hierarchy-Based Mutual Voting Approach for Influence Maximization in Complex Networks [54.366995393644586]
実世界は通常、影響のあるノード識別の時間と精度のバランスに高い要求がある。
本稿では,複雑ネットワークに影響を及ぼすためのコスト効果型コミュニティ階層型相互投票方式を提案する。
提案手法は、時間複雑性と影響ノード同定の精度のバランスに関する16の最先端技術より優れている。
論文 参考訳（メタデータ） (2024-09-21T06:32:28Z) - Be Aware of the Neighborhood Effect: Modeling Selection Bias under Interference [50.95521705711802]
従来の研究では、予測モデルの偏りのない学習を実現するために、選択バイアスに対処することに注力してきた。
本稿では、因果推論の観点から、近隣効果を干渉問題として公式に定式化する。
本稿では,近隣効果の存在下で選択バイアスに対処できる新しい理想的損失を提案する。
論文 参考訳（メタデータ） (2024-04-30T15:20:41Z) - GCC: Generative Calibration Clustering [55.44944397168619]
本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。
まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。
第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
論文 参考訳（メタデータ） (2024-04-14T01:51:11Z) - Pack and Measure: An Effective Approach for Influence Propagation in
Social Networks [0.3222802562733786]
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。
論文 参考訳（メタデータ） (2023-12-31T15:51:33Z) - 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) - Reinforcement Learning with Heterogeneous Data: Estimation and Inference [84.72174994749305]
人口の不均一性に関する逐次的決定問題に対処するために,K-ヘテロ・マルコフ決定過程(K-ヘテロ・MDP)を導入する。
本稿では、ある政策の価値を推定するための自己クラスタ化政策評価(ACPE)と、ある政策クラスにおける最適な政策を推定するための自己クラスタ化政策イテレーション(ACPI)を提案する。
理論的な知見を裏付けるシミュレーションを行い,MIMIC-III標準データセットの実証的研究を行った。
論文 参考訳（メタデータ） (2022-01-31T20:58:47Z) - 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) - On the use of local structural properties for improving the efficiency
of hierarchical community detection methods [77.34726150561087]
本研究では,階層型コミュニティ検出の効率向上のために,局所構造ネットワーク特性をプロキシとして利用する方法について検討する。
また,ネットワークプルーニングの性能への影響を,階層的コミュニティ検出をより効率的にするための補助的手法として検証する。
論文 参考訳（メタデータ） (2020-09-15T00:16:12Z)
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。