信息级联模型的对比训练
社会与信息网络
2018-12-13 v1 机器学习
机器学习
摘要
本文提出一种将信息级联建模为观测文档上的有向生成树(DSTs)的模型。此外, 我们提出一种对比训练过程, 其利用节点感染的局部时间顺序替代标记的训练链接。这种模型与无监督训练的结合使得能够改进仅使用感染时间的模型, 并利用信息级联中节点的任意特征与消息文本内容。仅使用类似于先前模型的基本节点与时间滞后特征, DST 模型通过无监督训练在博客网络推断任务上达到与强基线相当的性能。使用额外内容特征的无监督训练取得了显著更好的结果, 达到全监督模型一半的准确率。
引用
@article{arxiv.1812.04677,
title = {Contrastive Training for Models of Information Cascades},
author = {Shaobin Xu and David A. Smith},
journal= {arXiv preprint arXiv:1812.04677},
year = {2018}
}
备注
Accepted in AAAI-18