社交网络级联的形态建模

级联是社会学、经济学、心理学、政治学、市场营销和流行病学等多个学科中的重要现象。级联的一个重要属性是其形态，包括结构、形状和大小。然而，在现有文献中，级联形态尚未得到严格表征和建模。在本文中，我们提出了一种用于级联形态的多阶马尔可夫模型($M^4C$)，它可以表示并定量表征具有任意结构、形状和大小的级联形态。$M^4C$可用于多种应用，以分类不同类型的级联。为了证明这一点，我们将其应用于在线社交网络中一个尚未探索但重要的问题——级联大小预测。使用真实Twitter数据的评估表明，基于$M^4C$的级联大小预测方案优于基于级联图特征（如边增长率、度分布、聚类系数和直径）的基线方案。基于$M^4C$的级联大小预测方案在不同实验场景下始终达到90%以上的分类准确率。