探索社交影响的事件参与预测

预测人们参与现实世界事件的问题已受到相当关注，因为它为人类行为分析与事件相关广告提供了宝贵洞察。如今社交网络（例如Twitter）广泛反映大型流行事件，人们在其中与朋友讨论其兴趣。事件参与者通常激励朋友加入事件，从而在网络中传播社交影响。本文中，我们提出对朋友在事件参与上的社交影响进行建模。我们考虑非地理标记帖子与社交群组结构来推断用户参与情况。为利用网络拓扑信息，我们应用了一些近期图嵌入技术，如node2vec、HARP与Poincaré。我们描述了设计特征空间并输入神经网络所遵循的方法。性能评估使用两个大型音乐节数据集进行，即VFestival与Creamfields。实验结果表明，我们的分类器优于最先进的基线，在VFestival数据集上观察到89%的准确率。