Hot spot DBC: Location based information diffusion for marketing strategy in mobile social networks

국문 초록 (Abstract)

모바일 디바이스의 무선 네트워크 통신 기술과 온라인 소셜 네트워크 발전으로 모바일 소셜 네트워크는 모바일 기기 사이에 마케팅 전략의 기회를 제공한다. 이에 따라 모바일 소셜 네트워크 상에서 정보 유포는 중요한 문제가 되었으며 여러 기법을 제안해왔다. 정보 유포 연구 정의는 메시지와 같은 정보를 가진 초기 노드로부터 최소한의 시간에 최대한 많은 유저에게 정보를 전달하는 기법이다. 본 논문에서 우리는 새로운 정보 유포 기법인 기계학습과 소셜 위치정보 기반의 Hotspot DBC를 제안한다. 위치기반 정보 유포 기법으로써 핫스팟 지역을 사용한다. 웜업 기간에 움직임 패턴을 활용하여 초기 영향력 있는 노드를 찾는다. 이후 전체 네트워크 지역을 고려하는 것이 아닌 특정 핫스팟 지역에서만 패턴을 추출하여 찾는다. 웜업 기간 끝나는 시점에서 각 노드는 움직임 패턴을 추출한다. 마지막으로 각 패턴에서 소셜 관계를 분석함으로써 영향력 있는 노드 k개가 선정된다. 우리는 기회적 네트워크 환경에서 GPS 위치 기록의 실제 모바일 노드의 움직임 데이터를 ONE 시뮬레이터 환경에서 실험하였다. 추가적으로 통신범위와 초기 정보 유포 k 노드 수를 다양하게 실험하여 기존 기법보다 더 나은 결과를 확인할 수 있다.

다국어 초록 (Multilingual Abstract)

As the advances of technology in mobile networking and the popularity of online social networks (OSNs), the mobile social networks (MSNs) provide opportunities for marketing strategy. Therefore, understanding the information diffusion in the emerging MSNs is a critical issue. The information diffusion address a problem of how to find the proper initial nodes who can effectively propagate as widely as possible in the minimum amount of time. We propose a new diffusion scheme, called Hotspot DBC, which is to find k influential nodes considering each node's mobility behavior in the hotspot zones. Our experiments were conducted in the Opportunistic Network Environment (ONE) using real GPS trace, to show that the proposed scheme results. In addition, we demonstrate that our proposed scheme outperforms other existing algorithms.

참고문헌 (Reference)

1 Christakis N. A., "The spread of obesity in a large social network over 32years" 357 (357): 370-379, 2007

2 Bakshy E., "The role of social networks in information diffusion" 519-528, 2012

3 Keränen A., "The ONE simulator for DTN protocol evaluation" 1-10, 2009

4 Chen, W., "Scalable influence maximization for prevalent viral marketing in large-scale social networks" 1029-1038, 2010

5 Opsahl T., "Node centrality in weighted networks: Generalizing degree and shortest paths" 32 (32): 245-251, 2010

6 Tsai T. C., "NCCU Trace:social-network-aware mobility trace" 53 (53): 144-149, 2015

7 Han, B., "Mobile data offloading through opportunistic communications and social participation" 11 (11): 821-834, 2012

8 Domingos P., "Mining the network value of customers" 57-66, 2001

9 Ma, H., "Mining social networks using heat diffusion processes for marketing candidates selection" 233-242, 2008

10 Richardson, M., "Mining knowledge-sharing sites for viral marketing" 61-70, 2002

11 Kempe D., "Maximizing the spread of influence through a social network" 137-146, 2003

12 Lu, Z., "Information diffusion in mobile social networks: The speed perspective" 1932-1940, 2014

13 Myers S. A., "Information diffusion and external influence in networks" 33-41, 2012

14 Conti, S., "From opportunistic networks to opportunistic computing" 48 (48): 126-139, 2010

15 Chen, X., "Dynamic social feature-based diffusion in mobile social networks" 1-6, 2015

16 López-Pintado D., "Diffusion in complex social networks" 62 (62): 573-590, 2008

17 Wang Y., "Community-based greedy algorithm for mining top-k influential nodes in mobile social networks" 1039-1048, 2010

18 Ester M., "A density-based algorithm for discovering clusters in large spatial databases with noise" 96 (96): 226-231, 1996