不一樣的講座體驗：如何預測產品在社交網路被採納的可能性

「

看多了冗長枯燥的講座紀要？

看多了應接不暇的講座海報？

我們為你呈現全新的講座體驗！

管院博士生分享提綱挈領的嘉賓觀點，

對，簡明扼要。

我們精挑細選新的學術講座，

對，不會看花眼。

所以，

伴著陽光，享受一杯屬於你的學術咖啡。

。

。

。

重點來了

今天的精選是什麼？

信息管理與信息系統系講座，主題為：Social Network Analytics: Adoption, Persuasion, and Link Recommendation（社會網路分析：採納、說服和關係推薦）。主講人是特拉華大學阿爾弗雷德勒納商學院副教授方曉。

這場講座討論了什麼？

伴隨著社交網路的不斷普及和發展，學術界和業界越來越多的開始關注和討論如何利用社交網路來實現更大的商業和社會效益。

這場講座聚焦的是：用於商業目的挖掘大量社交網路數據的全新模型、理論和方法。

嘉賓說了些什麼？

方曉：在如何大量挖掘社交網路數據的研究中，我們特別關注到社會網路中的一個獨特現象——採納行為在兩個主體之間的傳播。具體來說，主要包括三個關鍵問題：採納、說服、關係推薦。

採納行為的擴散由說服人發起，通過社交關係網路結構最終影響到採納者。

我們需要研究：

如何預測社交網路中的個體採納可能性？

如何預測社交網路中影響力較大的人群？

如何在社交網路中有效推薦朋友關係？

這場講座的重點是什麼？

LEMNB: Locally Weighted EM for Naive Bayesian Learning

（局部加權最大期望法的樸素貝葉斯演算法）

基於已有的理論研究，在演算法中考慮了影響個體採納決策的關鍵要素：

1）社會影響力，個體與他人之間的頻繁互動會影響個體的態度、價值觀念、意見或者決策。

2）結構等價性，如果兩個主體在一個社會網路中處在相同的結構位置，就說兩者具有結構等價性。

3）個體相似性，兩個社會主體在個人特性層面的相似程度，用距離來衡量。

4）潛在因素，不能夠被觀測到但也會影響採納行為的因素，通常無法得到數據。

如何預測採納行為的可能性？

公式如下：

（採納可能性：主體在可見的未來採納一種產品、服務或意見的可能性）

由於潛在影響因素不可觀測，通過取期望將目標函數改寫為如下：

再通過最大化期望函數將目標函數變換成如下可以收斂的公式，其在預測準確性方面顯著優於時下流行的演算法：

講座預告

7月6日

統計學系系列講座 – 第267期

演講主題：Penalized Maximum Tangent Likelihood Estimation and Variable Selection

主講嘉賓：俞燕 教授

University of Cincinnati

主持人：沈娟 博士 統計學系

7月6日

現代企業管理系列講座 - 第113期

演講主題：Confucian Values of Top Executives and Corporate Governance in China

演講嘉賓：David H. Zhu

Associate Professor, Dean』s Council Distinguished Scholar

Arizona State University

復旦大學管理學院特聘教授

主持人：唐躍軍 副教授 企業管理系

7月26日

現代企業管理系列講座 - 第114期

演講主題：Longitudinal Data Analysis in Stata: Fixed Effects, Random Effects, and GLS Models

主講嘉賓：David H. Zhu

Associate Professor, Dean』s Council Distinguished Scholar

Arizona State University

復旦大學管理學院特聘教授

主持人：唐躍軍 副教授 企業管理系

點擊

回顧

1

沒時間來現場？給你不一樣的講座體驗

2

信任度、家族企業與併購質量

3

海量網路數據，如何建模分析？

4

公司組織架構基於顧客，結果會怎樣？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！