基于图注意力时空神经网络的在线内容流行度预测

• 作者: 徐昊 鲍鹏
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 流行度预测 信息传播 图注意力网络 时序卷积网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 研究与应用
• 页码范围: 1014-1021
• 页数: 8页
• 分类号: TP391
• 字数: 7285字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201911006

摘要

现有在线内容流行度预测方法忽略对传播级联演化过程中的结构和时序特征的捕获.针对此问题,文中提出基于图注意力时空神经网络的在线内容流行度预测模型.利用图注意力机制学习在线内容的级联结构表示,利用时序卷积网络捕获传播级联的时序特征,通过全卷积层映射在线内容的流行度.在新浪微博和美国物理学会引文两个不同场景的数据集上的实验表明,文中方法的流行度预测性能较优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍鹏	北京交通大学软件学院	2	4	1.0	2.0
2	徐昊	北京交通大学软件学院	1	0	0.0	0.0