Key points are not available for this paper at this time.
Die Werbung in sozialen Netzwerken ist zu einer milliardenschweren Industrie geworden. Eine der Hauptaufgaben besteht darin, Schlüssel-Einflusser zu identifizieren, die effektiv zur Verbreitung von Informationen beitragen können. Obwohl das Problem der Einflussmaximierung, das eine Saatgruppe der k einflussreichsten Nutzer basierend auf bestimmten Verbreitungsmodellen identifiziert, gut untersucht wurde, ist es nicht zielgerichtet und kann nicht direkt auf Online-Werbung angewendet werden. In diesem Papier schlagen wir ein neues Problem vor, das als Keyword-basierte gezielte Einflussmaximierung (KB-TIM) bezeichnet wird, um eine Saatgruppe zu finden, die den erwarteten Einfluss über Nutzer maximiert, die für eine bestimmte Werbung relevant sind. Um das Problem zu lösen, schlagen wir eine Sampling-Technik basierend auf gewichteten Rückeinfluss-Sets vor und erreichen ein Annäherungsverhältnis von (1 − 1/e − ε). Um die Anforderung an die sofortige Geschwindigkeit zu erfüllen, schlagen wir zwei plattenbasierte Lösungen vor, die die Abfrageverarbeitungszeit um zwei Größenordnungen im Vergleich zu den bisherigen Lösungen verbessern, während sie die theoretische Grenze einhalten. Experimente an zwei realen sozialen Netzwerken bestätigen unsere theoretischen Ergebnisse sowie die Effizienz. Bei einer Werbung mit 5 Keywords dauert es nur 2 Sekunden, um die einflussreichsten Nutzer in einem sozialen Netzwerk mit Milliarden von Verbindungen zu finden.
Li et al. (Mon,) haben diese Frage untersucht.