-
题名基于深度学习的信息级联预测方法综述
被引量:6
- 1
-
-
作者
张志扬
张凤荔
谭琪
王瑞锦
-
机构
电子科技大学信息与软件工程学院
-
出处
《计算机科学》
CSCD
北大核心
2020年第7期141-153,共13页
-
基金
国家自然科学基金(61802033,61472064,61602096)
四川省科技计划(2018GZ0087,2019YJ0543)
+3 种基金
四川省区域创新合作项目(2020YFQ0018)
博士后基金项目(2018M643453)
广东省国家重点实验室项目(2017B030314131)
网络与数据安全四川省重点实验室开放课题(NDSMS201606)。
-
文摘
在线社交媒体极大地促进了信息的产生和传递,加速了海量信息之间的传播与交互,使预测信息级联的重要性逐渐突显。近年来,深度学习已经被广泛用于信息级联预测(Information Cascade Prediction)领域。文中主要对基于深度学习的信息级联预测方法的研究现状与经典算法进行分类、梳理与总结。根据信息级联特征刻画的侧重点不同,将基于深度学习的信息级联预测方法分为时序信息级联预测方法与拓扑信息级联预测方法,并进一步将时序信息级联预测方法分为基于随机游走(Random Walk)的方法与基于扩散路径的方法,将拓扑信息级联预测方法分为基于全局拓扑结构的方法与基于邻域聚合的方法;并对每类方法进行详细的原理阐述与优缺点介绍,介绍了信息级联预测领域常用的数据集与评价指标,在宏观与微观两种信息级联预测场景下对基于深度学习的信息级联预测算法进行实验对比,并讨论了一些信息级联预测算法中常用的算法实现细节。最后,总结了该领域未来可能的研究方向与发展趋势。
-
关键词
在线社交媒体
深度学习
信息级联预测
级联增量预测
流行度预测
节点预测
-
Keywords
Online social media
Deep learning
Information cascade prediction
Cascade size prediction
Popularity prediction
Node prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-