面向社交网络级联预测的层次化信息增强网络
社会与信息网络
2024-03-25 v1 人工智能
摘要
理解网络中的信息级联是众多应用中的一个基本问题。当前研究通常将级联信息采样为若干独立路径或子图，以学习简单的级联表示。然而，这些方法未能利用不同模态之间的层次化语义关联，限制了其预测性能。本文提出了一种新颖的层次化信息增强网络（HIENet）用于级联预测。我们的方法将基础级联序列、用户社交图和子级联图整合到一个统一框架中。具体而言，HIENet 利用 DeepWalk 将级联信息采样为一系列序列，然后收集用户间的路径信息以提取传播者的社交关系。此外，我们采用时间戳图卷积网络有效聚合子级联图信息。最终，我们引入多模态级联 Transformer 来强有力地融合这些线索，提供对级联过程的全面理解。大量实验证明了所提方法的有效性。
引用
@article{arxiv.2403.15257,
title = {Hierarchical Information Enhancement Network for Cascade Prediction in Social Networks},
author = {Fanrui Zhang and Jiawei Liu and Qiang Zhang and Xiaoling Zhu and Zheng-Jun Zha},
journal= {arXiv preprint arXiv:2403.15257},
year = {2024}
}
备注
7 pages, 2 figures