ネットワークを意識したカスケード予測のための選好強化社会影響モデリング【JST・京大機械翻訳】

Wu Likang; Wang Hao; Chen Enhong; Li Zhi; Zhao Hongke; Ma Jianhui

プレプリント

J-GLOBAL ID：202202219672309111 整理番号：22P0333517

ネットワークを意識したカスケード予測のための選好強化社会影響モデリング【JST・京大機械翻訳】

Preference Enhanced Social Influence Modeling for Network-Aware Cascade Prediction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月18日プレプリントサーバーでの情報更新日： 2022年04月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ネットワーク意識カスケードサイズ予測は,ソーシャルネットワークにおける伝搬過程をモデル化することにより,ユーザ生成情報の最終再事後数を予測することを目的とする。社会的影響によるユーザの再事後確率の推定,即ち,状態活性化は情報拡散プロセスにおいて重要な役割を果たす。したがって,ノード間の情報相互作用をシミュレートすることができるグラフニューラルネットワーク(GNN)は,この予測タスクを扱うための有効な方式として証明されている。しかし,GNNベースのモデルを含む既存の研究は,通常,状態活性化に深く影響するユーザの好みの不可欠な要因を無視している。そのために,著者らは,3つの段階,すなわち,選好トピック生成,選好シフトモデリング,および社会的影響活性化に従って,ユーザ選好モデリングを強化することによって,カスケードサイズ予測を促進するための新しいフレームワークを提案した。エンドツーエンド法は,情報拡散のユーザ活性化プロセスをより適応し,正確である。2つの大規模実世界データセットに関する広範な実験は,最先端のベースラインと比較して,提案モデルの有効性を明確に実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

計算機網

, , , , , ,

前のページに戻る