转发预测在社交媒体网站(Social media sites,SMS)中是一个很有挑战性的问题.本文研究了SMS中的图像转发预测问题,预测用户再次转发图像推特的图像共享行为.与现有的研究不同,本文首先提出异构图像转发建模网络(Image retweet modeling,...转发预测在社交媒体网站(Social media sites,SMS)中是一个很有挑战性的问题.本文研究了SMS中的图像转发预测问题,预测用户再次转发图像推特的图像共享行为.与现有的研究不同,本文首先提出异构图像转发建模网络(Image retweet modeling,IRM),所利用的是用户之前转发图像推特中的相关内容、之后在SMS中的联系和被转发者的偏好三方面的内容.在此基础上,提出文本引导的多模态神经网络,构建新型多方面注意力排序网络学习框架,从而学习预测任务中的联合图像推特表征和用户偏好表征.在Twitter的大规模数据集上进行的大量实验表明,我们的方法较之现有的解决方案而言取得了更好的效果.展开更多
微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF(Markov Random Field)能量优化框架下综合分析了用户属性与微博内容特征...微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF(Markov Random Field)能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响,并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明,微博用户转发行为不仅取决于用户属性、微博内容等特征,而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法,本文算法可以更准确地对用户转发行为进行建模,因而可获得更好的预测结果.展开更多
文摘转发预测在社交媒体网站(Social media sites,SMS)中是一个很有挑战性的问题.本文研究了SMS中的图像转发预测问题,预测用户再次转发图像推特的图像共享行为.与现有的研究不同,本文首先提出异构图像转发建模网络(Image retweet modeling,IRM),所利用的是用户之前转发图像推特中的相关内容、之后在SMS中的联系和被转发者的偏好三方面的内容.在此基础上,提出文本引导的多模态神经网络,构建新型多方面注意力排序网络学习框架,从而学习预测任务中的联合图像推特表征和用户偏好表征.在Twitter的大规模数据集上进行的大量实验表明,我们的方法较之现有的解决方案而言取得了更好的效果.
文摘微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF(Markov Random Field)能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响,并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明,微博用户转发行为不仅取决于用户属性、微博内容等特征,而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法,本文算法可以更准确地对用户转发行为进行建模,因而可获得更好的预测结果.