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:
Small–Signal Gain Investigation of Folded Cascode Op-Amps Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

CoIM: Community-Based Influence Maximization in Social Networks

verfasst von : Shashank Sheshar Singh, Kuldeep Singh, Ajay Kumar, Bhaskar Biswas

Erschienen in: Advanced Informatics for Computing Research

Verlag: Springer Singapore

Einloggen

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

search-config
loading …

Abstract

Influence maximization (IM) is the problem of identifying k most influential users (seed) in social networks to maximize influence spread. Despite some recent development achieved by the state-of-the-art greedy IM techniques, these works are not time-efficient for large-scale networks. To solve time-efficiency issue, we propose Community-based Influence Maximization (CoIM) algorithm. CoIM first partitions the network into sub-networks. Then it selects influential users from sub-networks based on their local influence. The experimental results on both synthetic and real datasets show that proposed algorithm performs better than greedy regarding time with the almost same level of memory-consumption and influence spread.

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 A Survey on Information Diffusion Models in Social Networks
Nächstes Kapitel Anomaly Detection in MANET Using Zone Based AODV Routing Protocol
Fußnoten
Literatur
1.
Chen, S., Fan, J., Li, G., Feng, J., Tan, K., Tang, J.: Online topic-aware influence maximization. Proc. VLDB Endow. 8(6), 666–677 (2015)CrossRef
2.
Chen, W., Wang, Y., Yang, S.: Efficient influence maximization in social networks. In: Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2009, pp. 199–208. ACM, New York (2009)
3.
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, pp. 57–66. ACM, New York (2001)
4.
5.
Gomez Rodriguez, M., Schölkopf, B.: Influence maximization in continuous time diffusion networks. In: Proceedings of the 29th International Conference on Machine Learning, pp. 313–320. Omnipress, New York, July 2012
6.
Gomez-Rodriguez, M., Song, L., Du, N., Zha, H., Schölkopf, B.: Influence estimation and maximization in continuous-time diffusion networks. ACM Trans. Inf. Syst. 34(2), 9:1–9:33 (2016)CrossRef
7.
Goyal, A., Lu, W., Lakshmanan, L.V.: Celf++: optimizing the greedy algorithm for influence maximization in social networks. In: Proceedings of the 20th International Conference Companion on World Wide Web, WWW 2011, pp. 47–48. ACM, New York (2011)
8.
Guo, L., Zhang, D., Cong, G., Wu, W., Tan, K.L.: Influence maximization in trajectory databases. IEEE Trans. Knowl. Data Eng. 29(3), 627–641 (2017)CrossRef
9.
Kempe, D., Kleinberg, J., Tardos, E.: 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, pp. 137–146. ACM, New York (2003)
10.
11.
Leskovec, J., Adamic, L.A., Huberman, B.A.: The dynamics of viral marketing. ACM Trans. Web 1(1) (2007)CrossRef
12.
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. ACM, New York (2007)
13.
Li, G., Chen, S., Feng, J., Tan, K., Li, W.: Efficient location-aware influence maximization. In: Proceedings of the 2014 ACM SIGMOD International Conference on Management of Data, SIGMOD 2014, pp. 87–98. ACM, New York (2014)
14.
Li, H., Bhowmick, S.S., Sun, A., Cui, J.: Conformity-aware influence maximization in online social networks. VLDB J. 24(1), 117–141 (2015)CrossRef
15.
Li, Y., Zhang, D., Tan, K.L.: Real-time targeted influence maximization for online advertisements. Proc. VLDB Endow. 8(10), 1070–1081 (2015)CrossRef
16.
Lin, S.C., Lin, S.D., Chen, M.S.: A learning-based framework to handle multi-round multi-party influence maximization on social networks. In: Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD 2015, pp. 695–704. ACM, New York (2015)
17.
Lusseau, D., Schneider, K., Boisseau, O.J., Haase, P., Slooten, E., Dawson, S.M.: The bottlenose dolphin community of doubtful sound features a large proportion of long-lasting associations. Behav. Ecol. Sociobiol. 54(4), 396–405 (2003)CrossRef
18.
Mahajan, V., Muller, E., Bass, F.M.: New product diffusion models in marketing: a review and directions for research. J. Mark. 54(1), 1–26 (1990)CrossRef
19.
Paul, J.: The distribution of the flora in the alpine zone.1. New Phytol. 11(2), 37–50 (1912)CrossRef
20.
Sviridenko, M.: A note on maximizing a submodular set function subject to a knapsack constraint. Oper. Res. Lett. 32(1), 41–43 (2004)MathSciNetCrossRef
21.
Teng, Y.W., Tai, C.H., Yu, P.S., Chen, M.S.: Revenue maximization on the multi-grade product, pp. 576–584 (2018)CrossRef
22.
23.
Wang, Y., Cong, G., Song, G., Xie, K.: Community-based greedy algorithm for mining top-k influential nodes in mobile social networks. In: KDD (2010)
24.
Wu, P., Pan, L.: Scalable influence blocking maximization in social networks under competitive independent cascade models. Comput. Netw. 123, 38–50 (2017)CrossRef
25.
Ye, M., Liu, X., Lee, W.C.: Exploring social influence for recommendation: a generative model approach. In: Proceedings of the 35th International ACM SIGIR Conference on Research and Development in Information Retrieval, SIGIR 2012, pp. 671–680. ACM, New York (2012)
26.
Zhu, Y., Li, D., Zhang, Z.: Minimum cost seed set for competitive social influence. In: IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer Communications, pp. 1–9, April 2016
Metadaten
Titel
CoIM: Community-Based Influence Maximization in Social Networks
verfasst von
Shashank Sheshar Singh
Kuldeep Singh
Ajay Kumar
Bhaskar Biswas
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Advanced Informatics for Computing Research

Print ISBN: 978-981-13-3142-8

Electronic ISBN: 978-981-13-3143-5

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-3143-5_36