Discovering Your Selling Points: Personalized Social Influential Tags Exploration
Discovering Your Selling Points: Personalized Social Influential Tags Exploration
复制标题
DOI：
10.1145/3035918.3035952
复制
发表时间：
2017-05
期刊：
影响因子：
--
通讯作者：
Yuchen Li;Ju Fan;Dongxiang Zhang;K. Tan
中科院分区：
文献类型：
--
作者：
Yuchen Li;Ju Fan;Dongxiang Zhang;K. Tan
由于社交网络（SN）的流行，社会影响力引起了人们的极大关注。在本文中，我们研究了一个新的社会影响力问题，称为个性化的社会标签探索（PITEX），以帮助任何用户在SN探索她如何影响网络。给定一个目标用户，它会找到一个大小为k的标签集，使该用户的社会影响力最大化。我们证明了该问题是NP-难的，在任何常数比率内都是近似的。为了解决这个问题，我们引入了一个基于采样的框架，它具有1-ε对1+ε的近似比，具有高概率保证。为了加快计算速度，我们设计了更有效的采样技术，并提出了尽最大努力的探索，以快速修剪标签集的影响很小。为了进一步实现即时探索，我们设计了一种新的索引结构，并开发了有效的修剪和物化技术。在真实的大规模数据集上的实验结果验证了我们的理论研究结果，并显示了我们提出的方法的高性能。
Social influence has attracted significant attention owing to the prevalence of social networks (SNs). In this paper, we study a new social influence problem, called personalized social tags exploration (PITEX), to help any user in the SN explore how she influences the network. Given a target user, it finds a size-k tag set that maximizes this user's social influence. We prove the problem is NP-hard to be approximated within any constant ratio. To solve it, we introduce a sampling-based framework, which has an approximation ratio of 1-ε over 1+ε with high probabilistic guarantee. To speedup the computation, we devise more efficient sampling techniques and propose best-effort exploration to quickly prune tag sets with small influence. To further enable instant exploration, we devise a novel index structure and develop effective pruning and materialization techniques. Experimental results on real large-scale datasets validate our theoretical findings and show high performances of our proposed methods.