(黑龙江大学计算机科学技术学院 哈尔滨 150080) (Vimotus_liu@163.com)
出版日期: 2020-06-01基金资助:国家自然科学基金项目(61972135,61602159)；黑龙江省自然科学基金项目(F201430)；哈尔滨市科技局创新人才项目(2017RAQXJ094,2017RAQXJ131)；黑龙江省属高等学校基本科研业务费基础研究项目(HDJCCX-201608,KJCX201815,KJCX201816)NT-EP: A Non-Topology Method for Predicting the Scope of Social Message Propogation
Liu Zitu, Quan Ziwei, Mao Rubai, Liu Yong, Zhu Jinghua(College of Computer Science and Technology, Heilongjiang University, Harbin 150080)
Online: 2020-06-01Supported by:This work was supported by the National Natural Science Foundation of China (61972135, 61602159), the Natural Science Foundation of Heilongjiang Province of China (F201430), the Innovation Talents Project of Science and Technology Bureau of Harbin (2017RAQXJ094, 2017RAQXJ131), and the Fundamental Research Funds of Universities in Heilongjiang Province (HDJCCX-201608, KJCX201815, KJCX201816).摘要/Abstract
摘要： 准确预测社交网络中消息的传播范围是舆情分析的重要内容，该问题受到了数据挖掘领域的广泛关注.目前的大部分研究主要利用社交网络拓扑结构和用户的动作日志来预测社交消息的传播范围.在实际应用中用户的动作日志中通常容易获得，但是社交网络的拓扑结构(例如用户之间的朋友关系)并不容易获得，因此无拓扑结构的社交消息预测具有更广泛的应用前景.提出了一种新的社交消息传播范围预测方法NT-EP，该方法由4部分构成：1)利用消息传播随时间衰减的特性为消息构造加权传播图，使用随机游走策略获取多条传播路径；2)把目标消息的传播路径输入到Bi-GRU(bidirectional gated recurrent unite)，结合注意力机制计算出目标消息的传播特征向量；3)使用梯度下降方法计算出其他消息的影响向量；4)将目标消息的传播特征向量和其他消息的影响向量结合在一起，预测目标消息的传播范围.在Sina微博和Flixster数据集上的实验结果表明：NT-EP方法在均方误差(mean squared error, MSE)，F1-score等多个指标上都优于现有的社交消息预测方法.
参考文献
相关文章 15
| [1] | 陈亦琦, 钱铁云, 李万理, 梁贻乐. 基于复合关系图卷积的属性网络嵌入方法[J]. 计算机研究与发展, 2020, 57(8): 1674-1682. |
| [2] | 罗浩, 闫光辉, 张萌, 包峻波, 李俊成, 刘婷, 杨波, 魏军. 融合多元信息的多关系社交网络节点重要性研究[J]. 计算机研究与发展, 2020, 57(5): 954-970. |
| [3] | 黄海平, 张东军, 王凯, 朱毅凯, 王汝传. 带权值的大规模社交网络数据隐私保护方法[J]. 计算机研究与发展, 2020, 57(2): 363-377. |
| [4] | 涂盼鹏,王兴伟,李婕,黄敏. BIRI：支持信息中心范型的BBO启发式MSN路由算法[J]. 计算机研究与发展, 2019, 56(9): 1918-1926. |
| [5] | 孟绪颖，张琦佳，张瀚文，张玉军，赵庆林. 社交网络链路预测的个性化隐私保护方法[J]. 计算机研究与发展, 2019, 56(6): 1244-1251. |
| [6] | 于亚新，王磊. 地理社交网络中重叠种子的广告博弈决策机制[J]. 计算机研究与发展, 2019, 56(6): 1302-1311. |
| [7] | 李胜东,吕学强. 基于图片问答的静态重启随机梯度下降算法[J]. 计算机研究与发展, 2019, 56(5): 1092-1100. |
| [8] | 纪泽宇,张兴军,付哲,高柏松,李靖波. 分布式深度学习框架下基于性能感知的DBS-SGD算法[J]. 计算机研究与发展, 2019, 56(11): 2396-2409. |
| [9] | 李婕,洪韬,王兴伟,黄敏,郭静. 机会移动社交网络中基于群组构造的数据分发机制[J]. 计算机研究与发展, 2019, 56(11): 2494-2505. |
| [10] | 龚卫华,金蓉,裴小兵,梅建萍. LBSN中基于社区联合聚类的协同推荐方法[J]. 计算机研究与发展, 2019, 56(11): 2506-2517. |
| [11] | 李莹莹,马帅,蒋浩谊,刘喆,胡春明,李雄. 一种基于社交事件关联的故事脉络生成方法[J]. 计算机研究与发展, 2018, 55(9): 1972-1986. |
| [12] | 余永红,高阳,王皓,孙栓柱. 融合用户社会地位和矩阵分解的推荐算法[J]. 计算机研究与发展, 2018, 55(1): 113-124. |
| [13] | 笱程成,杜攀,贺敏,刘悦,程学旗. tsk-shell:一种话题敏感的高影响力传播者发现算法[J]. 计算机研究与发展, 2017, 54(2): 361-368. |
| [14] | 谭振华，时迎成，石楠翔，杨广明，王兴伟. 基于引力学的在线社交网络空间谣言传播分析模型[J]. 计算机研究与发展, 2017, 54(11): 2586-2599. |
| [15] | 余永红,高阳,王皓. 基于Ranking的泊松矩阵分解兴趣点推荐算法[J]. 计算机研究与发展, 2016, 53(8): 1651-1663. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4205
