InfluencerRank: Discovering Effective Influencers via Graph Convolutional Attentive Recurrent Neural Networks

要約

タイトル：「グラフ畳み込み注意リカレントニューラルネットワークを通じて効果的なインフルエンサーを発見するInfluencerRank」

要約：社交メディアマーケティングにおいては、インフルエンサーが重要な役割を果たしており、企業はインフルエンサーマーケティングの予算を増やしています。インフルエンサーマーケティングにおいては、効果的なインフルエンサーを雇うことが重要ですが、何百万ものソーシャルメディアユーザーの中から適切なインフルエンサーを見つけることは困難です。本論文では、投稿行動と社会関係に基づいてインフルエンサーをランク付けするInfluencerRankを提案しています。投稿行動と社会関係を表すために、異種ネットワークに対してグラフ畳み込みニューラルネットワークを適用して、異なる歴史的時期においてインフルエンサーをモデル化しています。埋め込みノード特徴量でネットワーク構造を学習することで、InfluencerRankは各時期においてインフルエンサーの情報豊富な表現を導出することができます。そして、注意を持って再帰的なニューラルネットワークがインフルエンサーの表現のダイナミクスの知識をキャプチャすることで、高効果的なインフルエンサーを他のインフルエンサーから区別します。Instagramデータセットを用いた大規模な実験が行われ、18,397のインフルエンサーと12ヶ月間に発行された2,952,075の投稿が含まれます。実験結果は、InfluencerRankが既存のベースライン手法を上回っていることを示しています。より深く分析すると、提案された全ての機能とモデルコンポーネントが、効果的なインフルエンサーを発見する上で有益であることが明らかになっています。

要約(オリジナル)

As influencers play considerable roles in social media marketing, companies increase the budget for influencer marketing. Hiring effective influencers is crucial in social influencer marketing, but it is challenging to find the right influencers among hundreds of millions of social media users. In this paper, we propose InfluencerRank that ranks influencers by their effectiveness based on their posting behaviors and social relations over time. To represent the posting behaviors and social relations, the graph convolutional neural networks are applied to model influencers with heterogeneous networks during different historical periods. By learning the network structure with the embedded node features, InfluencerRank can derive informative representations for influencers at each period. An attentive recurrent neural network finally distinguishes highly effective influencers from other influencers by capturing the knowledge of the dynamics of influencer representations over time. Extensive experiments have been conducted on an Instagram dataset that consists of 18,397 influencers with their 2,952,075 posts published within 12 months. The experimental results demonstrate that InfluencerRank outperforms existing baseline methods. An in-depth analysis further reveals that all of our proposed features and model components are beneficial to discover effective influencers.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI