模型化 X 上新信息的传播
社会与信息网络
2026-01-19 v4
摘要
关于使用机器学习模型对 X（前身为 Twitter）上信息传播进行建模已有所兴趣。本文考虑预测新信息的转发问题，即当用户传播之前从未见过的主题信息时。在现有工作中，信息和用户被随机分配到测试或训练集，确保两者来自相同的分布。在新信息的传播中，问题变成一种分布外分类任务。我们的实验结果表明，虽然现有算法（主要使用帖子内容特征）在训练和测试分布相同时表现良好，但在测试集分布外（即测试数据主题不在训练数据中）时表现大幅下降。随后我们表明，如果帖子特征被补充或替换为来自用户配置文件和过去行为的特征，则分布外预测得到很大改善，F1 分数从 0.117 提升至 0.705。我们的实验结果表明，对于先前未出现的主题的转发行为，可以从用户配置文件和过去的行为中很大程度上预测，而且这主要与内容无关。
引用
@article{arxiv.2505.15370,
title = {Modelling the Spread of New Information on X},
author = {Ziming Xu and Shi Zhou and Vasileios Lampos and Ingemar J. Cox},
journal= {arXiv preprint arXiv:2505.15370},
year = {2026}
}