Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Further Investigations for Documents Information Retrieval Based on DWT Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Group Impact: Local Influence Maximization in Social Networks

verfasst von : Ragia A. Ibrahim, Hesham A. Hefny, Aboul Ella Hassanien

Erschienen in: Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Influence maximization defined as the problem of selecting influential small set of nodes that maximize influence spread over the social network. Influence maximization considered in number of domains, emergence situations, viral marketing, education, collaborative activities and political elections. In this paper, we propose Local Information Maximization LIM, considering group impact in terms of local propagation where the influencer(s) of each community has a direct effect on the nodes in the same community. We conduct experiments on synthetic data set and compare the performance of the LIM to various heuristics.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Particle Swarm Optimization with Random Forests for Handwritten Arabic Recognition System
Nächstes Kapitel Controlling Rumor Cascade over Social Networks
Literatur
1.
Sakaki, T., Toriumi, F., Matsuo, Y.: Tweet trend analysis in an emergency situation. In: Proceedings of the Special Workshop on Internet and Disasters, SWID 2011, New York, NY, USA, pp. 3: 1–3: 8. ACM (2011)
2.
Echnology and community-centred humanitarian action (2014)
3.
Cheong, M., Lee, V.: Twittering for earth: a study on the impact of microblogging activism on earth hour 2009 in Australia. In: Nguyen, N.T., Le, M.T., Świątek, J. (eds.) ACIIDS 2010. LNCS (LNAI), vol. 5991, pp. 114–123. Springer, Heidelberg (2010). doi:10.​1007/​978-3-642-12101-2_​13 CrossRef
4.
Domingos, P., Richardson, M.: Mining the network value of customers. In: Proceedings of the Seventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2001, New York, NY, USA, pp. 57–66. ACM (2001)
5.
Doe, R.: Mail online @ONLINE, August 2014
6.
Hollie, M.: Catching up with ted ‘golden voice’ williams @foxnews (2013)
7.
Akbar, I.: Power out? No problem. commercial
8.
Jadhav, P.: Why this kolaveri di is CNN’s top song of the year (2013)
9.
Clarke, C.: Nokia’s ‘thanks apple’ taunt goes down as one of the most retweeted brand tweets ever (2013)
10.
Coleman, J.S., Katz, E., Menzel, H.: Medical Innovation: A Diffusion Study. Bobbs-Merrill, New York (1966)
11.
Kempe, D., Kleinberg, J., Tardos, É.: Maximizing the spread of influence through a social network. In: Proceedings of the Ninth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2003, New York, NY, USA, pp. 137–146. ACM (2003)
12.
Nemhauser, G.L., Wolsey, L.A., Fisher, M.L.: An analysis of approximations for maximizing submodular set functions-I. Math. Program. 14(1), 265–294 (1978)MathSciNetCrossRefMATH
13.
Kimura, M., Saito, K., Motoda, H.: Blocking links to minimize contamination spread in a social network. ACM Trans. Knowl. Discov. Data 3(2), 9:1–9:23 (2009)CrossRef
14.
Leskovec, J., Krause, A., Guestrin, C., Faloutsos, C., VanBriesen, J., Glance, N.: Cost-effective outbreak detection in networks. In: Proceedings of the 13th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2007, pp. 420–429 (2007)
15.
Chen, W., Wang, C., Wang, Y.: Scalable influence maximization for prevalent viral marketing in large-scale social networks. In: Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2010, pp. 1029–1038 (2010)
16.
Wang, Y., Cong, G., Song, G., Xie, K.: Community-based greedy algorithm for mining top-k influential nodes in mobile social networks. In: Proceedings of the 16th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2010, New York, NY, USA, pp. 1039–1048. ACM (2010)
17.
Lei, S., Maniu, S., Mo, L., Cheng, R., Senellart, P.: Online influence maximization (extended version). CoRR, abs/1506.01188 (2015)
18.
Kleinberg, J.: Cascading behavior in networks: algorithmic and economic issues (2007)
19.
Guille, A., Hacid, H., Favre, C., Zighedl, D.A.: Information diffusion in online social networks: a survey. SIGMOD Rec. 42(2), 17–28 (2013)CrossRef
20.
Pons, P., Latapy, M.: Computing communities in large networks using random walks. J. Graph Algorithms Appl. 10(2), 191–218 (2006)MathSciNetCrossRefMATH
21.
Leskovec, J., Kleinberg, J., Faloutsos, C.: Graphs over time: densification laws, shrinking diameters and possible explanations. In: Proceedings of the Eleventh ACM SIGKDD International Conference on Knowledge Discovery in Data Mining, KDD 2005, New York, NY, USA, pp. 177–187. ACM (2005)
22.
Csardi, G., Nepusz, T.: The igraph software package for complex network research. InterJournal Complex System 1695 (2006)
Metadaten
Titel
Group Impact: Local Influence Maximization in Social Networks
verfasst von
Ragia A. Ibrahim
Hesham A. Hefny
Aboul Ella Hassanien
Copyright-Jahr
2017
Buch
Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2016

Print ISBN: 978-3-319-48307-8

Electronic ISBN: 978-3-319-48308-5

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-48308-5_43