融合超图注意力机制与图卷积网络的信息扩散预测

针对传统的信息预测缺乏对用户全局性依赖挖掘进行研究,提出了一种融合超图注意力机制与图卷积网络的信息扩散预测模型(HGACN)。首先构建用户社交关系子图,采样获得子级联序列,输入图卷积神经网络学习用户社交关系结构特征;其次,综合考虑用户间和级联间的全局依赖,采用超图注意机制(HGAT)学习用户不同时间间隔的交互特征;最后,将学习到的用户表示捕获到嵌入模块,利用门控机制将其融合获得更具表现力的用户表示,利用带掩码的多头注意力机制进行信息预测。在Twitter等五个数据集上的实验结果表明,提出的HGACN模型在hits@N提高了4.4%,map@N提高了2.2%,都显著优于已有的MS-HGAT等扩散预测模型,证明HGACN模型是合理、有效的。这对谣言监测以及恶意账户的检测有非常重大的意义。

厦门六区知识付费平台使用情况调查

在知识付费市场发展迅猛的同时,暴露出了不少问题,如知识产品质量降低,消费体验不佳,内容趋向单一等。为了了解知识付费市场的现状和消费者的消费行为,为建立“交大读书会”知识付费平台奠定基础,我们小组通过根据当前知识付费市场主流的知识付费平台,以厦门六区的知识付费平台使用情况为例进行调查分析,通过文献分析进行深入了解与定性分析、利用问卷调查收集数据,用MATLAB简单制图分析,并用得出数理统计的假设检验对模型进行研究,分析出使用者付费意愿的影响因素以及各个变量之间的影响路径与程度,得出用户的付费意愿与知识分享平台的使用价值、情感价值和用户体验正相关,与不确定性成负相关,并据此提出了相关建议。