面向网络感知级联预测的偏好增强型社交影响力建模
社会与信息网络
2022-04-19 v1 人工智能
信息检索
摘要
网络感知的级联规模预测旨在通过对社交网络中传播过程的建模，预测用户生成信息的最终转发数。通过社交影响力估计用户的转发概率（即状态激活）在信息扩散过程中起着重要作用。因此，能够模拟节点间信息交互的图神经网络（GNN）已被证明是处理该预测任务的有效方案。然而，包括基于 GNN 的模型在内的现有研究通常忽视了一个深刻影响状态激活的重要因素——用户偏好。为此，我们提出一种新颖的框架，通过依据三个阶段（即偏好主题生成、偏好偏移建模与社交影响力激活）增强用户偏好建模，来提升级联规模预测。我们的端到端方法使信息扩散的用户激活过程更具适应性与准确性。在两个大规模真实数据集上的大量实验清楚地证明了所提模型相较于 SOTA 基线的有效性。
引用
@article{arxiv.2204.08229,
title = {Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction},
author = {Likang Wu and Hao Wang and Enhong Chen and Zhi Li and Hongke Zhao and Jianhui Ma},
journal= {arXiv preprint arXiv:2204.08229},
year = {2022}
}
备注
SIGIR 2022