通过有限观察检测流行社交事件：基于深度生存分析的方法

用户在各种社交网络上的活动日益增长，使其成为最广泛使用的平台，用于在个体之间交换和传播信息。在网络中扩散信息，用户最初在社交网络上分享信息，然后其他与其直接接触的用户可能分享该信息。信息通过反复遵循此过程在网络中扩散。一组被不同个体反复分享的被称为流行趋势的信息。识别和分析这些趋势导致了对网络内信息传播动态的宝贵见解。但更重要的是，出现了一种被动方法。也就是说，通过观察信息在扩散早期阶段的传播模式，就可以确定该级联是否会在未来变得非常流行。本研究旨在通过观察有限的早期阶段数据并使用基于深度生存分析的方法来预测和检测社交网络中的流行趋势。该模型在提高推荐系统、预测数字内容的覆盖范围以及协助数字营销中进行最佳决策方面发挥着重要作用。最终，在Twitter、微博和Digg等多个真实世界的匿名数据集上对提出的方法进行了测试。