计算机科学与探索

作者：吴运兵, 高航, 曾炜森, 阴爱英

单位：1. 福州大学 计算机与大数据学院，福州 350108 2. 福州大学至诚学院 计算机工程系，福州 350002

关键词：信息传播预测,拓扑结构,相似性,共同兴趣

信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律，以理解和预测信息的传播过程。现有工作主要关注用户群体关系中的社交关系和动态影响关系，忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响。为此，提出了融合用户关系表示和信息传播拓扑特征的信息传播预测模型，从群体关系和个体关系两个层面分析用户受信息影响的可能性。在群体关系层面，构建用户共现次数图来学习用户相似性关系表示，随后融合了用户关系表示和信息传播拓扑特征来更全面地捕捉群体关系；在个体关系层面，融合了用户个体特征表示和影响因素向量，以捕捉不同的内在因素对刺激用户转发信息的影响。实验结果表明，该模型在两个公开数据集上性能均有提升，在Memetracker数据集上[MAP@k]和[hits@k]评价指标分别平均提升了6.54%和2.75%。

来源：2024年第10期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第10期