Influence Maximization in Trajectory Databases
Influence Maximization in Trajectory Databases
复制标题
DOI：
10.1109/icde.2017.20
复制
发表时间：
2017-04
期刊：
影响因子：
--
通讯作者：
Long Guo;Dongxiang Zhang;G. Cong;Wei Wu;K. Tan
中科院分区：
文献类型：
--
作者：
Long Guo;Dongxiang Zhang;G. Cong;Wei Wu;K. Tan
我们研究了轨迹数据库中影响最大化的新问题，该问题在精确位置感知广告中非常有用。它找到了k个与给定广告相关联的最佳轨迹，并最大化了对大量受众的预期影响。我们证明了这个问题是np困难的，并提出了精确和近似的解决方案来找到最好的轨迹集。我们还扩展了我们的问题，以支持有一组广告的场景。我们通过对真实数据集的大量实验来验证我们的方法。
We study a novel problem of influence maximization in trajectory databases that is very useful in precise locationaware advertising. It finds k best trajectories to be attached with a given advertisement and maximizes the expected influence among a large group of audience. We show that the problem is NP-hard and propose both exact and approximate solutions to find the best set of trajectories. We also extend our problem to support the scenario when there are a group of advertisements. We validate our approach via extensive experiments with real datasets.