基于时空注意力的社交网络信息级联预测模型

• 作者: 刘超 韩锐 刘小洋 黄贤英
• 来源期刊: 中文信息学报
• 关键词: 信息级联 预测模型 注意力机制 双向循环神经网络 图卷积网络
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 情感分析与社会计算|Sentiment Analysis and Social Computing
• 页码范围: 117-126
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2021.08.015

摘要

针对目前信息级联预测模型的构建多基于级联的时序信息或者空间拓扑结构、极少考虑两者的结合问题,该文提出一种面向社交网络的基于深度学习方法的信息级联预测(Information Cascade Prediction,ICP)模型.首先,使用拉普拉斯矩阵对级联节点采样,生成空间序列;然后,通过结合了图卷积网络的双向循环神经网络学习节点的时序信息和空间结构信息;最后,通过注意力机制对信息级联的时序信息和空间信息进行联合建模并在真实数据集上进行实验.实验结果表明:与现有研究相比该文提出的IC P模型具有较高的预测精度,预测精度损失降低约为1％ ～8％,表明ICP模型是合理、有效的.