摘要
信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律,以理解和预测信息的传播过程。现存工作主要关注用户群体关系中的社交关系和动态影响关系,忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响。为此,本文提出了融合用户关系表示和信息传播拓扑特征的信息传播预测模型,从群体关系和个体关系两个层面分析用户受信息影响的可能性。在群体关系层面,构建用户共现次数图来学习用户相似性关系表示,随后融合了用户关系表示和信息传播拓扑特征来更全面地捕捉群体关系;在个体关系层面,融合了用户个体特征表示和影响因素向量,以捕捉不同的内在因素对刺激用户转发信息的影响。实验结果表明,本文提出的模型在两个公开数据集上性能均有提升,在Memetracker数据集上map@k和hits@k评价指标分别平均提升了6.54%和2.75%。
-
单位福州大学至诚学院; 福州大学