WSDMOct, 2016

RedQueen: 社交网络智能广播的在线算法

PDF
TL;DR本研究基于 jump stochastic differential equations 算法提出了一个名为 RedQueen 的在线算法，通过控制用户在社交网络上发布帖子的时间，使之能够一直停留在他们关注者的动态列表的顶部，实现用户帖子的更好可见性。该算法通过追踪用户最新帖子的位置计算最优的广播强度，并应用于 Twitter 的真实和合成数据集中，表现出了显著的性能优势。
发现论文，激发创造
  • 智能广播：想要被看见吗？

    本文提出了一种基于时间点过程的智能广播框架，以提高其在关注者互动信息中的可视性，并通过凸优化设计广播策略，实现达到指定可视性水平的目的。实验结果表明，相较于其他方法，该方法可以更加有效地提高广播的可视性。

    May, 2016

  • 社交网络发布时间选择

    本文研究了如何在社交网络上制定个性化的发布时间，通过多种方法确定最佳的发布时间，通过验证认为，采用建议的发布时间提高了用户在 Facebook 上的反应收益高达 17％，在 Twitter 上高达 4％，并被用于生产系统中。

    Jun, 2015

  • 社会活动的优化控制视角

    利用标记过时时间点过程的框架，建立起与具有跳跃的随机微分方程的替代表示的社交活动数学模型，并发展出了两个高效的在线算法来引导社交活动，从而在用户层面和网络层面增加社交活动。

    Feb, 2018

  • 社交网络中在线活动最大化算法 Cheshire

    本研究探究了如何通过设计在线算法，基于多维 Hawkes 过程的随机微分方程，创新性提出了一种动态激励策略，可最大化社交网络的整体活动，实验数据表明，这种算法能够比现有技术更有效地提高在线活动数量，特别是在推特等真实数据收集的平台上。

    Mar, 2017

  • DQSSA：一种量子启发式的在线社交网络影响力最大化解决方案（学生摘要）

    基于量子原理的离散化蛙群算法（DQSSA）针对社交网络中的影响扩散进行了优化。实验结果表明，与现有的尖端算法相比，DQSSA 具有卓越的性能。

    Nov, 2023

  • 竞争产品下的社交网络病毒营销

    在一个定向网络中，通过开发新颖的证明技术，我们提供了一个有着最佳可能近似保证的多项式时间近似算法，同时利用目标函数的单调性和子模性以及蒙特卡洛方法破解了计算问题的艰难之处，并在各种真实和合成网络上的实验中证明了我们提出的算法胜过其他算法。此外，我们还在理论和实验上调查了上述过程的收敛时间，特别是在不同的图参数下，如节点 / 边的数量，最大出度和直径，证明了收敛时间的若干紧密边界。

    Dec, 2023

  • 最大化社交网络中曝光的多样性

    本文提出了一个新方法来最大化社交网络中推荐新闻文章给特定用户的多样性，以确保用户暴露于不同的观点，而不是陷入过滤气泡。综合考虑用户性向、内容、分享概率等因素，该方法能够在保证信息传播最大化的同时实现多样性的平衡。作者通过引入新颖的随机可达集的概念扩展和以期约束来解决这个开放的挑战性问题，并设计了可扩展的近似算法。实验结果表明，该算法在多个真实世界的数据集上运行效率和可扩展性良好。

    Sep, 2018

  • 在几乎最优时间内最大化社交影响力

    本论文提出一种运行时间最优的算法，解决网络扩散下影响力最大化问题，通过寻找一组初始种子节点，使得预期级联大小最大化。该算法可在多项式时间内获得近乎最优的近似因子，在之前已知的运行时间 Omega (mnk POLY (1/epsilon)) 的算法的基础上，显著提高了算法速度和精度。

    Dec, 2012

  • 社交网络中的多阶段策略营销

    通过动态规划平衡当前高奖励和未来低回报的多阶段社交网络优化问题的基础上，建立一个基于多变量 Hawkes 过程的社交网络优化理论框架，并针对推广的几个目标函数推导出外部事件强度与目标函数的时间依赖线性关系，进一步发展了一个凸的动态规划框架，可以确定每个阶段所需的外部推动水平，以达到所需的推广结果。实验结果表明，我们的算法比基线模型更准确地引导用户进行优化宣传。

    Jun, 2016

  • 优化社交内容平衡以减少极化和分歧

    通过重新加权用户关注的账户的相对重要性，我们提出了一种改善社交媒体中极端化和信息孤立化问题的新方法，以在相关性和多样性之间取得平衡，从而降低社交媒体的负面影响，同时保持信息流的质量。我们通过实验验证了这种方法的有效性，并证明其能够促进更健康、更具凝聚力的在线社区。

    Aug, 2023