基于多重信任关系的微博转发行为预测

• 作者: 李翠平 王征 王绍卿 陈红
• 来源期刊: 清华大学学报（自然科学版）
• 学科: 工学
• 关键词: Poisson因子分解 转发预测 信任关系 社交网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 270-275
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16511/j.cnki.qhdxxb.2018.25.060

摘要

微博转发预测有助于热点话题检测、个性化微博推荐等,近些年引起了学术界和工业界的广泛关注.然而,现有的关于微博转发预测的研究工作没有充分利用用户之间的多重信任关系的影响.该文提出联合概率模型,把用户之间的多重信任关系融入传统的Bayesian Poisson因子分解(Bayesian Poisson factorization,BPF)模型,从而预测转发行为.该模型命名为TrustBPF,可以灵活地捕获用户之间的各种社交影响.该文进一步把用户之间的信任强度整合到一个框架中.在新浪微博数据集上验证结果表明:在NDCG@3和Precision@3指标上,TrustBPF模型比原始的BPF模型分别提升了90.91％和88.37％.