無(wú)拓?fù)浣Y(jié)構(gòu)的社交信息傳播模型.pdf

1、社交網(wǎng)的信息傳播問(wèn)題是近年來(lái)的社交網(wǎng)重要課題之一，傳統(tǒng)的社交信息傳播模型，都以網(wǎng)絡(luò)中用戶的連接為已知條件，來(lái)預(yù)測(cè)信息的傳播趨勢(shì)，但是真實(shí)的社交網(wǎng)中，通常對(duì)于社交網(wǎng)的結(jié)構(gòu)是不了解的，甚至現(xiàn)實(shí)世界中經(jīng)常無(wú)法獲得社交網(wǎng)的拓?fù)浣Y(jié)構(gòu)，這種情況下模擬信息傳播過(guò)程是一個(gè)挑戰(zhàn)性的課題。
　　本文提出了兩種無(wú)拓?fù)浣Y(jié)構(gòu)的社交模型，分別為基于用戶影響和興趣的社交信息傳播模型（簡(jiǎn)稱(chēng)NT-II）與基于GRU的社交信息傳播范圍預(yù)測(cè)模型(簡(jiǎn)稱(chēng)NT-GP)。

2、r>　　第一種模型使用表示學(xué)習(xí)的方式，構(gòu)建了兩個(gè)隱藏的空間，一個(gè)空間稱(chēng)為用戶影響空間，每個(gè)用戶都映射成該空間中的向量，向量之間的距離代表了用戶之間的影響程度。另一個(gè)空間稱(chēng)為用戶興趣空間，每個(gè)用戶和每個(gè)傳播項(xiàng)都映射成該空間中的向量，用戶對(duì)傳播項(xiàng)的喜愛(ài)程度根據(jù)對(duì)應(yīng)向量之間的距離來(lái)推斷，距離越近，喜愛(ài)程度越大。本文使用梯度下降方法給出了該模型參數(shù)的有效學(xué)習(xí)算法。真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明，模型能更準(zhǔn)確地模擬傳播過(guò)程和預(yù)測(cè)傳播結(jié)果，在多個(gè)度量指標(biāo)

3、上都優(yōu)于現(xiàn)有的無(wú)拓?fù)浣Y(jié)構(gòu)傳播模型。
　　第二種模型是一種無(wú)拓?fù)浣Y(jié)構(gòu)的信息傳播范圍預(yù)測(cè)模型，算法利用了GPU神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)事件的早期傳播軌跡，獲得事件傳播的高級(jí)特征，預(yù)測(cè)事件未來(lái)的傳播范圍。為了準(zhǔn)確模擬傳播過(guò)程，我們提出了兩種方法選取定長(zhǎng)傳播序列作為GRU神經(jīng)網(wǎng)絡(luò)模型的輸入。為了表示用戶特征，提出了兩種將用戶節(jié)點(diǎn)進(jìn)行向量化的方法。定長(zhǎng)傳播序列經(jīng)過(guò)GRU的學(xué)習(xí)，獲得了代表事件傳播的高級(jí)特征。最后通過(guò)注意力機(jī)制，將這些高級(jí)特征進(jìn)行整合和權(quán)