計畫成員 : 葉彌妍、楊得年、林守德、沈之涯、帥宏翰
本計畫旨在研究智慧數位行銷和社群元宇宙，其中包括支援多視角顯示之延展實境購物、虛擬化身之使用者與物品推薦及對話生成、基於物品關聯及使用者感知之動態社群影響力模型、非同質化代幣之版稅與轉售利潤最大化、展示競標之通用獲勝價格模型、異構圖神經網路下之元宇宙對抗攻擊、社群物聯網部署之即時檢測與計算、虛實雙重纏結世界之網路最佳化、以及無偏差學習。本計畫與群創光電、中華電信、沛星互動科技、中華技術顧問、資策會、東森新聞、凱擘寬頻、MyVideo和玉山銀行進行產學合作；例如，與群創光電合作利用知識圖譜探索與異常相關因子的相依性，找出一組關鍵因子以改善異常率；與中華技術顧問合作推薦旅伴和景點以滿足使用者喜好和社群需求，同時確保低感染風險和避免交通擁塞；與資策會合作探討關聯知識圖譜上的預測問題，並建模局部關係和全局趨勢來預測一連串未來事件；與玉山銀行合作分析客戶與聊天機器人和其他客戶的互動以建立社群網路，並預測客戶意圖以提供及時幫助。本計畫亦在IEEE Communications Magazine與IEEE Trans. on Computational Social Systems各提出了一期特刊，還舉辦了第26屆資料庫尖端技術與前瞻應用國際研討會（DASFAA 2021），並將主辦第28屆亞太地區知識發現與資料探勘國際研討會（PAKDD 2024）。計畫之研究成果已被頂級會議與國際期刊（ACM SIGKDD、IEEE ICDE、VLDB、WWW、ACM CIKM、IEEE BigData、NeurIPS、AAAI、CVPR、ICCV、IEEE INFOCOM、IEEE TKDE、ACM TKDD、IEEE TBD、IEEE TSC、IEEE TMC、IEEE IoTJ、IEEE TPDS）接受發表。
數位行銷之社群群組查詢與影響力最大化
社群群組查詢與影響力最大化可以促進數位行銷宣傳活動，透過基於使用者特徵來分群，然後在不同群體中識別具影響力的使用者，從而實現行銷目的。然而，過去群組查詢僅針對基本需求，例如根據當前網路拓撲搜尋密集子圖，且需手動設置參數，無法自動滿足各樣需求；過去影響力最大化研究未探討社群分享券，且因只關注總影響力，易對代表性不足群體（如女性群體）造成不公。為解決上述議題，我們世界首創提出無參數社群群組查詢，不僅可自動挑選參與者，亦考慮其社群、地點近似度與時間，基於知識圖譜推薦活動內容、地點與時間，以最大化未來交友或共同購買機會；並率先提出多商品多次行銷之影響力最大化問題，不僅挑選種子，亦分配社群分享券引導影響力傳播，以最大化社群分享券兌換率及具平衡性之影響力，防止歧視任何群體（如性別、年齡、種族）。相較於過去研究僅考量單一商品與單次行銷，由於這些問題考量了商品關聯、使用者偏好與社群影響力於多次行銷間變化，我們證明其難度為NP-hard。
為了解決所提出的問題，我們首先利用圖神經網路從異質活動資訊網路中擷取節點特徵，然後設計了異質資訊網路變換器（Transformer），根據所擷取的節點特徵與潛在使用者關聯（過去方法僅考量目前網路拓撲）來學習嵌入向量以推論使用者於主題和成員的多樣化偏好，並針對網路多類型變動情況來開發圖記憶刷新技術，以高效率更新嵌入向量，此乃第一個為嵌入向量品質與一致性理論保證之技術。基於所推論的使用者偏好，我們提出了具有新修剪策略的演算法，可快速地找到在各式各樣時空限制下一系列活動的最佳社群群組，並設計了一個有誤差限制的3-近似演算法以尋找足夠大且緊密的社群群組。基於找到的社群群組，透過研發新穎的社區結構性別感知選種架構和兩個性別感知指標，我們首創結合知識圖譜的影響力最大化近似演算法，在防止歧視的前提下優先排序具影響力的使用者，以選擇和排程種子和社群分享券行銷來宣傳所挑選之物品。相較於Airbnb和Booking.com的政策，我們的方法將社群分享券兌換率提高了多達30倍。我們與中華顧問工程（台灣頂尖交通建設工程顧問）合作進行基於社群之行銷；與傳統戶外廣告（如摩菲爾、ETtoday家外媒體、快易通國際媒體）僅於定點向大眾展示相同內容不同，我們根據使用者的位置、喜好、社群影響力和即時反饋，動態地為不同的使用者個人化廣告投於和優惠券。成果已取得美國專利，榮獲PAKDD最佳論文榮譽提名獎，並發表於ACM SIGKDD、WWW、VLDB、IEEE ICDE、AAAI、ACM CIKM、IEEE TKDE及IEEE TBD。
社群元宇宙之資料探勘與資料庫查詢
社群元宇宙被認為是社群媒體的範式轉變，Meta Horizon、Microsoft AltSpaceVR、Mozilla Hubs、Decentraland和The Sandbox都證明了這一點。現今元宇宙虛擬實境購物，如宜家虛擬實境商店、阿里巴巴Buy+ 、eBay和Myer虛擬實境百貨、及亞馬遜VR Kiosk，皆為單一顧客設計；過去空間查詢專為實體世界設計，未考慮虛實雙重世界之纏結，故無法避免於實體世界碰撞房間邊界與障礙物，導致無法確保虛擬世界沉浸體驗。憑藉多視角顯示、個人化顯示、數位孿生與多串流直播技術，我們預見次世代社群元宇宙之虛擬實境群體購物，提出社群元宇宙之虛擬實境多視角群體商品與使用者配置、贊助推薦與虛實世界之無障礙路徑查詢問題。社群元宇宙之虛擬實境群體購物可滿足群體中個人之喜好；傳統電商及社群網站網頁僅著墨個人化推薦，社群元宇宙之虛擬實境群體購物透過增進社群沉浸體驗提升購物慾及社交滿足感；我們設計世界第一個打破個人化與群體推薦之元宇宙推薦系統，可同時達成個人化推薦與群體推薦之目標（避免傳統實體店、實體世界、網路電商與社群網站之缺點）。在問題難度分析上，對比過去推薦方法僅著重於喜好，由於此問題更進一步考量即時社群互動、贊助後社群時間連鎖反應、及內容多樣性，我們證明其為APX-hard及NP-hard以近似，且過去個人化與群體推薦皆為其特例。
為了解決社群元宇宙之虛擬實境群體購物，我們首先透過配置特徵耦合張量和社群時間贊助回饋張量從多種回饋中擷取特徵並學習多視角配置，並利用數位孿生吸引力自動編碼器以推論個人喜好；基於所擷取的特徵與所推論的使用者喜好，我們考量共同顯示和遮擋下的吸引力來設計4-近似演算法，可為不同使用者子群組配置顯示物品與使用者以最大化物品和內容多樣性以及確保高品量回饋。為了在社群元宇宙中能保有沉浸式體驗並移動接近所顯示的物品與使用者，我們設計了一個完全多項式近似方式來決定最小沉浸損失範圍以尋找無障礙路徑，此無障礙路徑查詢不僅是全球首個元宇宙沉浸式空間查詢，更是虛實世界之k近鄰和範圍查詢的基礎。我們在全球最大的直播平台Twitch上實施了社群頻道推薦工具，並使用Unity、Photon Unity Network、Steam VR Plugin、VRTK和3ds Max為hTC VIVE和Meta Oculus Quest 2頭戴顯示裝置實作虛擬實境推薦和空間查詢工具。成果已發表在IEEE TMC、VLDB、AAAI、ACM CIKM、NeurIPS、CVPR和ICCV。
基於流行病之數位行銷
在COVID-19大流行危機中，個人的行為會發生巨大變化，這可能會對企業和行銷人員如何接近目標受眾產生重大影響。因此，數位行銷策略必須根據疫情進行調整，考慮當前情況以及它如何影響消費者的行為、喜好和優先順序。然而，過去公衛研究著重於對疾病動態變化建模及分析防疫政策有效性，如停課或滾動式封城，未對防疫政策及資源規畫設計演算法以有效遏止疫情，並於疫情減緩時進行避免疫情再度爆發之旅遊景點（Point-Of-Interest，POI）推薦。目前各國政策僅提供通用指引故欠缺彈性，例如新加坡要求室內皆需配戴口罩，加拿大要求未完整接種疫苗之入境者皆需隔離14天。我們首開先河，以分析社群接觸網路並設計演算法，以最佳化各種非藥物介入措施（Non-Pharmaceutical Intervention，NPI）與醫療資源分配，同時考量疫情控制與景點推薦。基於此問題複雜的目標，包含流行病遏制、使用者滿意度最大化與不良影響最小化，我們證明其困難度並推導不可近似性。不同於資訊領域其他遏止疫情的研究未針對不同地區、人群、時間規畫及排程其部署，亦未考量防疫措施所帶來之經濟與教育各層面不良影響，及目前資料探勘領域之景點推薦與社群時空查詢研究並未避免可能生成之疫情傳播鏈，無法確保疫情受控不會再度爆發，我們率先提出了一種近似演算法，透過評估感染率、接觸風險、及染疫嚴重程度，規畫與排程各地區應採之NPI及疫苗分配，防疫並減少不良影響，並根據防疫措施與醫療資源分配策略來設計演算法以推薦POI與旅伴，不僅可遵守防疫策略，更可進一步考量景點風險以保護易感人群、分析潛在傳播鏈以防止超級傳播者、及評估不同時間之群聚傳染風險以安排低風險行程。此研究已協助地方政府衛生單位排程醫療物資供應量，以及時滿足各地區不同之需求。成果已發表於IEEE ICDE和IEEE MDM。