Twitter 上信息扩散的标记自激点过程建模
应用统计
2018-04-20 v2
摘要
信息扩散在 Twitter 等微博平台上以转发级联的形式发生。当一条推文发布后，它可能被转发并进而被进一步转发，转发过程迭代且无限地持续。一条推文受欢迎程度的自然度量是它产生的转发数。对推文受欢迎程度的准确预测可帮助 Twitter 更有效地对内容排序，并有助于评估营销与宣传策略的潜力。本文中，我们提出一种称为带时间依赖激发函数的标记自激过程（简称 MaSEPTiDE）的模型，以建模转发动态并预测推文受欢迎程度。我们的模型不需要昂贵的特征工程，但能够利用观测到的动态准确预测转发级联的未来演化。我们将所提方法应用于大量 Twitter 数据，并报告了相对于文献中现有方法在预测性能上的显著提升。
引用
@article{arxiv.1802.09304,
title = {Marked Self-Exciting Point Process Modelling of Information Diffusion on Twitter},
author = {Feng Chen and Wai Hong Tan},
journal= {arXiv preprint arXiv:1802.09304},
year = {2018}
}
备注
18 pages, 3 figures, accepted for publication in the Annals of Applied Statistics