用于注意力图像转推建模的文本引导排序网络

转推预测是社交媒体网站（SMS）中一个具有挑战性的问题。本文研究社交媒体中的图像转推预测问题，即预测用户从其关注者处转发图像推文的图像分享行为。与以往研究不同，我们从用户在SMS中过去转发的图像推文学习用户偏好排序模型。我们首先提出异构图像转推建模网络（IRM），该网络利用用户过去转发的带相关上下文的图像推文、其在SMS中的关注关系以及其关注者的偏好。随后，我们为所提出的异构IRM网络开发了一种新颖的注意力多方面排序网络学习框架，结合文本引导的多模态神经网络，以学习用于预测任务的联合图像推文表示与用户偏好表示。在来自Twitter网站的大规模数据集上的大量实验表明，我们的方法在该问题上取得了优于其他最先进方案的性能。