基於知識圖譜之動態個人感知的影響力最大化
發佈時間: 2022-08-08 00:00:00
基於知識圖譜之動態個人感知的影響力最大化
摘要
社群網路上的病毒式行銷,也稱為影響力最大化(IM),旨在選擇k個使用者來推銷目標商品;然而,過去大多數IM研究都沒有探索使用者在影響力傳遞過程中對商品的動態感知。在本研究中,我們利用知識圖譜來捕捉使用者對商品關聯的動態感知,並制定了IMDPP問題來考慮購買商品後對使用者的商品偏好和社群影響力的影響。我們證明了 IMDPP 的難度並設計了一種近似演算法Dysim,透過探索商品動態可達性、目標市場和實質性影響的概念來選擇和推銷一系列相關商品。我們在真實社群網路及知識圖譜上實驗Dysim之性能,結果表明,與最先進的方法相比,Dysim有效地提升了至少6倍的影響力傳播。
技術優勢
- 我們提出的演算法 Dysim 在大型資料集中,有效地比目前最先進方法提升最多6.7 倍的影響力傳播範圍。
- 我們提出的演算法 Dysim 十分接近最佳解。
圖1.於大型資料集「豆瓣」之影響力傳播大小比較。
本院覽號
05T-1110708
智財權狀態
Know-how
應用範圍
- 購物平台商品行銷策略
- 工業知識圖譜事件關聯預測與最佳化
創作人
楊得年、鄧雅文
聯絡人
對本技術有興趣,請於本處網頁廠商選項下(廠商需求與諮詢)網頁填寫資料,承辦人將跟您聯絡。
圖2.與最佳解之影響力傳播大小比較
檔案下載