Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Dự đoán thờ phụng: xác định người theo dõi trong các mạng lưới do người nổi tiếng dẫn dắt
Tóm tắt
Trong bài báo này, chúng tôi khám phá một mô hình dự đoán liên kết mới, gọi là dự đoán ‘thờ phụng’, nhằm phát hiện các liên kết thờ phụng giữa người dùng và người nổi tiếng trên các mạng xã hội. Việc dự đoán các liên kết ‘thờ phụng’ giúp cung cấp các dịch vụ xã hội giá trị, chẳng hạn như tiếp thị virus, ước tính mức độ phổ biến và gợi ý người nổi tiếng. Tuy nhiên, do lo ngại về an ninh thương mại và quyền riêng tư cá nhân, chỉ các thuộc tính xã hội thống kê có thể truy cập công khai, thay vì thông tin chi tiết của người dùng, có thể được sử dụng để dự đoán các nhãn ‘thờ phụng’. Ngoài ra, chúng tôi quan sát rằng các thuộc tính tình bạn không có hiệu quả trong việc dự đoán các liên kết mong muốn, có nghĩa là hầu hết các công trình trước đó dựa vào các thuộc tính tình bạn không thể được áp dụng thành công trong việc dự đoán liên kết thờ phụng. Để giải quyết những vấn đề này, một khung học mới được thiết kế, bao gồm một đồ thị yếu tố với các thuộc tính thống kê mới được phát hiện và một thuật toán học dựa trên ước lượng Gaussian với học chủ động. Các nghiên cứu thực nghiệm của chúng tôi trên dữ liệu thực tế, bao gồm Instagram, Twitter và DBLP, cho thấy rằng khung học đề xuất có thể vượt qua vấn đề thiếu nhãn và phát hiện hiệu quả các liên kết thờ phụng.
Từ khóa
#dự đoán thờ phụng #mạng xã hội #người nổi tiếng #tiếp thị virus #học máy #thuộc tính xã hội thống kêTài liệu tham khảo
Agrawal, R., Srikant, R.: Fast algorithms for mining association rules in large databases. In: VLDB’94, Proceedings of 20th international conference on very large data bases, September 12-15, 1994, Santiago de Chile (1994)
Barbieri, N., Bonchi, F., Manco, G.: Who to follow and why: link prediction with explanations. In: KDD (2014)
Benchettara, N., Kanawati, R., Rouveirol, C.: A supervised machine learning link prediction approach for academic collaboration recommendation. In: RecSys (2010)
Blei, D. M., Ng, A. Y., Jordan, M. I.: Latent dirichlet allocation. Journal of machine Learning research (2003)
Davis, J., Goadrich, M.: The relationship between precision-recall and roc curves. In: ICML (2006)
Dempster, A.P., Laird, N.M., Rubin, D.B. : Maximum likelihood from incomplete data via the em algorithm. Journal of the royal statistical society. Series B (methodological) (1977)
Ding, X., Jin, X., Li, Y., Li, L.: Celebrity recommendation with collaborative social topic regression. In: IJCAI (2013)
Dong, Y., Zhang, J., Tang, J., Chawla, N.V., Wang, B.: Coupledlp: Link prediction in coupled networks. In: KDD (2015)
Edwards, A.W.F.: Likelihood CUP archive (1984)
Freeman, L.C.: A set of measures of centrality based on betweenness. Sociometry (1977)
Galuba, W., Aberer, K., Chakraborty, D., Despotovic, Z., Kellerer, W.: Outtweeting the twitterers - predicting information cascades in microblogs. In: Workshop on WOSN (2010)
Hammersley, J. M.: P Clifford Markov fields on finite graphs and lattices (1971)
Hopcroft, J., Lou, T., Tang, J.: Who will follow you back?: reciprocal relationship prediction. In: CIKM (2011)
Hyndman, R.J., Koehler, A.B.: Another look at measures of forecast accuracy. International journal of forecasting (2006)
Kschischang, F.R., Frey, B.J., Loeliger, H.: Factor graphs and the sum-product algorithm. IEEE Trans. Information Theory, (2) (2001)
Kschischang, F.R., Frey, B.J., Loeliger, H.-A.: Factor graphs and the sum-product algorithm. IEEE Transactions on information theory (2001)
Kuo, T. , Yan, R. , Huang, Y., Kung, P., Lin, S.: Unsupervised link prediction using aggregative statistics on heterogeneous social networks. In: KDD (2013)
Lei, S., Maniu, S., Mo, L., Cheng, R., Senellart, P.: Online influence maximization. In: KDD (2015)
Li, J., Zhang, L., Meng, F., Li, F.: Recommendation algorithm based on link prediction and domain knowledge in retail transactions. Procedia Computer Science (2014)
Liben-Nowell, D., Kleinberg, J.: The link-prediction problem for social networks. Journal of the Association for Information Science and Technology (2007)
McPherson, M., Smith-Lovin, L., Cook, J.M.: Birds of a feather: Homophily in social networks. Annual review of sociology (2001)
Miller, K. , Jordan, M.I., Griffiths, T.L.: Nonparametric latent feature models for link prediction. In: Advances in neural information processing systems (2009)
Miyauchi A., Kawase, Y.: What is a network community?: A novel quality function and detection algorithms. In: CIKM (2015)
Myers, S.A., Sharma, A. , Gupta, P., Lin, J.: Information network or social network?: the structure of the twitter follow graph. In: Proc. of WWW (2014)
Newman, M.E.: Clustering and preferential attachment in growing networks. Physical Review E (2001)
Peng, R., Sun, D., Tsai, W.-T.: Success factors in mobile social networking application development: case study of instagram. In: Proc. of SAC (2014)
Pujari M., Kanawati, R.: Supervised rank aggregation approach for link prediction in complex networks. In: WWW (2012)
Rubens, N., Elahi, M., Sugiyama, M., Kaplan, D. : Active learning in recommender systems. In: Recommender systems handbook (2015)
Saito, K., Nakano, R., Kimura, M.: Prediction of link attachments by estimating probabilities of information propagation. In: KES (2007)
Settles, B.: Active learning literature survey. University of Wisconsin, Madison (2010)
Tang, J., Zhang, J., Yao, L., Li, J., Zhang, L., Su, Z.: Arnetminer: extraction and mining of academic social networks. In: KDD (2008)
Tang, J., Lou, T., Kleinberg, J.: Inferring social ties across heterogenous networks. In: WSDM (2012)
Tasnádi, E., Berend, G.: Supervised prediction of social network links using implicit sources of information. In: WWW (2015)
Wang, C., Han, J., Jia, Y., Tang, J., Zhang, D., Yu, Y., Guo, J.: Mining advisor-advisee relationships from research publication networks. In: KDD (2010)
Wang, P., Xu, B., Wu, Y., Zhou, X.: Link prediction in social networks: the state-of-the-art. Science China Information Sciences (2015)
Zhao, T., Zhao, H.V., King, I.: Exploiting game theoretic analysis for link recommendation in social networks. In: CIKM (2015)
Zheleva, E., Getoor, L., Golbeck, J., Kuter, U.: Using friendship ties and family circles for link prediction. In: Advances in social network mining and analysis. Springer, Berlin (2010)
Zimmerman, J., Parameswaran, L., Kurapati, K.: Celebrity recommender. Carnegie Mellon University Research Showcase (2002)