TiDeH：用于预测转推动态的时变 Hawkes 过程
社会与信息网络
2016-04-01 v1 物理与社会
摘要
在线社交网络服务允许用户以文本、图像或视频形式发布内容。驱动内容扩散的主要机制是用户能够重新分享其社交连接发布的内容，这可能随后在整个系统中级联。研究信息级联时的一个基本问题是开发合理的数学模型的可能性，其参数可基于经验数据校准，以便在观察窗口后预测级联的未来进程。在本文中，我们关注Twitter，特别是原始推文的转推活动的时间模式。我们通过时变Hawkes过程(Time-Dependent Hawkes process, TiDeH)对系统建模，其恰当考虑了用户的昼夜节律特性和信息的老化。预测模型的输入是观测到的转推时间以及底层社交网络的结构信息。我们开发了用于参数优化的流程，以及用于在不同时间分辨率下预测转推活动未来轮廓的方法。我们在大型Twitter数据语料库上验证了我们的方法，并证明了其在所有时间区间内对现有方法的系统性改进。
引用
@article{arxiv.1603.09449,
title = {TiDeH: Time-Dependent Hawkes Process for Predicting Retweet Dynamics},
author = {Ryota Kobayashi and Renaud Lambiotte},
journal= {arXiv preprint arXiv:1603.09449},
year = {2016}
}
备注
The manuscript has been accepted in the 10th International AAAI Conference on Web and Social Media (ICWSM 2016)