面向社交网络信息扩散预测的独立非对称嵌入方法
机器学习
2022-05-30 v6 社会与信息网络
摘要
社交网络上信息扩散的预测在营销与舆情控制中具有重要的实际意义。其旨在预测社交网络上潜在转发该消息的个体。一类方法基于人口统计、复杂网络及其他先验知识建立可解释模型来模拟并预测传播过程，而另一类方法则完全数据驱动，将节点映射至潜空间以进行传播预测。现有的潜空间设计与嵌入方法缺乏对用户间相互作用的考量。本文提出一种独立非对称嵌入方法，将每个个体嵌入一个潜影响空间与多个潜易感性空间。基于信息扩散与热扩散现象的相似性，模型中利用热扩散核并建立嵌入规则。此外，该方法捕捉级联中用户组合共现规律以提升计算有效性。在真实数据集上开展的广泛实验结果表明了本方法在预测精度与成本效益上的优势。
引用
@article{arxiv.2105.08291,
title = {Independent Asymmetric Embedding for Information Diffusion Prediction on Social Networks},
author = {Wenjin Xie and Xiaomeng Wang and Tao Jia},
journal= {arXiv preprint arXiv:2105.08291},
year = {2022}
}