为了在社交网络中选择高价值代言人以达到尽可能好的移动优惠券投放效果,首先,根据粉丝数量和活跃状态对代言人社会传播能力进行建模,并利用移动优惠券类型的偏好程度和移动优惠券转发率对代言人个体分享意愿进行建模;然后,基于社会传...为了在社交网络中选择高价值代言人以达到尽可能好的移动优惠券投放效果,首先,根据粉丝数量和活跃状态对代言人社会传播能力进行建模,并利用移动优惠券类型的偏好程度和移动优惠券转发率对代言人个体分享意愿进行建模;然后,基于社会传播能力和个体分享意愿提出代言人价值的概念,设计代言人价值排序算法(endorser value rank algorithm);接着,在考虑代言人价值的基础上,针对企业利润和代言人收益最大化的多目标优化问题,建立移动优惠券投放模型,并设计基于遗传算法的HFNSGA算法,据此实现社交网络中基于代言人价值的移动优惠券投放;最后,通过在GitHub上的真实用户数据集对EVRank算法进行实验.实验结果表明,EVRank算法在准确率和匹配率上均优于其他相关算法,同时,算例分析表明,HFNSGA算法不仅可有效地求解高维多目标优化问题,且其解集有较好的分布性和均匀性,能够有效指导企业进行移动优惠券投放决策.展开更多
文摘为了在社交网络中选择高价值代言人以达到尽可能好的移动优惠券投放效果,首先,根据粉丝数量和活跃状态对代言人社会传播能力进行建模,并利用移动优惠券类型的偏好程度和移动优惠券转发率对代言人个体分享意愿进行建模;然后,基于社会传播能力和个体分享意愿提出代言人价值的概念,设计代言人价值排序算法(endorser value rank algorithm);接着,在考虑代言人价值的基础上,针对企业利润和代言人收益最大化的多目标优化问题,建立移动优惠券投放模型,并设计基于遗传算法的HFNSGA算法,据此实现社交网络中基于代言人价值的移动优惠券投放;最后,通过在GitHub上的真实用户数据集对EVRank算法进行实验.实验结果表明,EVRank算法在准确率和匹配率上均优于其他相关算法,同时,算例分析表明,HFNSGA算法不仅可有效地求解高维多目标优化问题,且其解集有较好的分布性和均匀性,能够有效指导企业进行移动优惠券投放决策.
