Resumen

Al promocionar un negocio o actividad en redes geoespaciales, la distancia geográfica entre su ubicación y los usuarios es crítica. Por lo tanto, recientemente se ha investigado el problema de la Maximización de la Influencia Consciente de la Distancia (DAIM, por sus siglas en inglés). La eficiencia de DAIM depende en gran medida de la selección de la ubicación de la muestra. Específicamente, el rendimiento de la siembra en línea es sensible a la distancia entre la ubicación promocionada y su ubicación de muestra más cercana, y el rendimiento de precomputación sin conexión es sensible al número de ubicaciones de muestra. Sin embargo, no hay trabajos que estudien completamente el problema de la selección de ubicaciones de muestra para DAIM en redes geoespaciales. Para hacerlo, primero formalizamos el problema bajo la suposición razonable de que una ubicación promocionada siempre se adhiere a la distribución de usuarios (zona de consulta). Luego, proponemos dos enfoques eficientes de muestreo de ubicaciones basados en anál

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Negocio; Redes geosociales; Maximización de Influencia Consciente de la Distancia; DAIM; Selección de ubicación; Ubicaciones de muestra
• Keywords:Business; Geo-social networks; Distance-Aware Influence Maximization; DAIM; Location selection; Sample locations