EVOLVE：基于微调 GPT 类模型预测社交媒体中的用户演化与网络动态
社会与信息网络
2024-07-24 v1 信息检索
机器学习
摘要
社交媒体平台广泛用于分享个人情感、日常活动及各类生活事件，让人们随时掌握最新动态。用户创建账户后，不断扩大其朋友或粉丝网络，自由通过发布、评论和分享内容与他人互动。随着时间推移，用户行为会基于其人口学属性和所建立的网络进行演化。本研究提出一种预测方法，以理解用户在社交媒体中的一生演化，并预测其下一阶段的演化。我们对 GPT 类解码器-only 模型进行微调（我们将其命名为 E-GPT：Evolution-GPT），用于预测用户在线社交媒体中未来阶段的演化。我们评估了这些模型的性能，并展示了用户属性如何影响网络中的变化，通过预测用户在社交媒体上的未来连接及活动转移，这也解决了诸如推荐系统等其他社交媒体挑战问题。
引用
@article{arxiv.2407.09691,
title = {EVOLVE: Predicting User Evolution and Network Dynamics in Social Media Using Fine-Tuned GPT-like Model},
author = {Ismail Hossain and Md Jahangir Alam and Sai Puppala and Sajedul Talukder},
journal= {arXiv preprint arXiv:2407.09691},
year = {2024}
}
备注
This article has been accepted as a long paper in the MSNDS 2024 workshop, to be held in conjunction with the International Conference on Social Networks Analysis and Mining (ASONAM 2024), September 2-5, 2024. and will be published in Springer