一种基于级联时空特征的信息传播预测方法及系统技术方案

本发明专利技术涉及一种基于级联时空特征的信息传播预测方法及系统。将给定的信息级联转换为向量形式；捕获级联的时序特征，获得级联在时间维度上的特征向量；利用社交关系图和级联图构造异质图，捕获网络节点的依赖上下文；捕获信息在网络中传播的拓扑特征；融合得到级联的时空特征；根据网络节点在时间维度上的位置关系对级联不同时刻的历史时空特征进行加权，得到级联在不同时刻加权后的特征向量；而后使用多头自注意力调整级联不同时刻节点的重要性，得到最终的级联特征表示；利用级联最终的特征表示进行信息传播预测，得到下一个时刻节点激活的概率分布，选择激活概率最大的节点作为下一时刻激活的节点。本发明专利技术能够更好地预测下一时刻激活的节点。时刻激活的节点。时刻激活的节点。

【技术实现步骤摘要】
一种基于级联时空特征的信息传播预测方法及系统


[0001]本专利技术涉及面向社交媒体的信息传播预测，特别是一种基于级联时空特征的信息传播预测方法及系统。

技术介绍

[0002]互联网用户在社交媒体平台上产生了海量信息，信息在网络上传播留下一系列轨迹，从而形成级联。信息传播预测就是利用这些级联学习信息传播的潜在规律和机制，从而预测下一个受影响的用户。其在市场营销、舆论监管、选举预测等领域有着广泛的应用。
[0003]信息传播预测技术近年来发展迅速。目前对信息传播的相关研究主要可以分为三类：(1)基于生成模型的方法，利用生存分析理论或时序点过程对级联进行建模。该方法可解释较强，但在复杂网络中较难取得良好的效果；(2)基于特征构造的方法，通过手工规则构造用户属性、网络结构、信息内容等的特征，再利用传统的机器学习方法进行预测。这类方法需要较大的人力成本来开展特征工程，且泛化能力较差；(3)基于深度学习的方法，通过循环神经网络或图神经网络以端到端的方式提取级联特征。
[0004]一方面，由于信息级联通常表示为以时间为顺序的序列，导致部分节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于级联时空特征的信息传播预测方法，其特征在于，包括：利用随机初始化的方式初始化网络节点表示，采用GAT模块提取社交关系网络的结构特征并更新网络节点表示，利用GAT模块的输出作为级联的初始向量表示；采用GRU模块捕获级联在时间维度上的时序特征，获得级联在各个时刻的时序特征表示；利用网络节点间的社交关系网络和不同时刻的级联图构建异质图，采用RGCN模块聚合网络节点特征，从而捕获各个网络节点的上下文依赖关系；将GAT模块提取的社交关系网络的结构特征与GRU模块捕获的级联在时间维度上的时序特征和RGCN模块捕获的各个网络节点的上下文依赖关系进行融合，从而得到级联在不同时刻的时空特征；根据级联中网络节点在时间维度上的位置关系，赋予级联不同时刻的历史时空特征不同的重要性，并对这些历史时空特征进行加权求和，得到级联在各个时刻具有时间衰减效应的历史时空特征表示；利用多头自注意力调整具有时间衰减效应的历史时空特征的重要性，从而得到最后的级联特征表示；利用最后的级联特征表示进行信息传播预测，得到级联在下一个时刻用户激活的概率分布。2.根据权利要求1所述的一种基于级联时空特征的信息传播预测方法，其特征在于，所述利用随机初始化的方式初始化网络节点表示，采用GAT模块提取社交关系网络的结构特征并更新网络节点表示，利用GAT模块的输出作为级联的初始向量表示，具体为：利用随机初始化的方式获得所有网络节点的原始表示|U|是网络节点的数量，d是节点的嵌入维度；根据网络节点间的社交关系网络G，采用GAT模块更新网络节点的原始表示并获得级联的初始向量表示其中是社交关系图的邻接矩阵，L是级联的长度。3.根据权利要求1所述的一种基于级联时空特征的信息传播预测方法，其特征在于，所述级联在时间维度上的时序特征，采用GRU模块对GAT模块输出的级联的初始向量表示进行编码而获得，具体为：设输入的级联c＝{(u
i
，t
i
)|i＝1，...，L，t
i
∈[0，∞)}，对于级联中的第i个节点u
i
，将节点u
i
的初始向量表示作为GRU模块的输入，GRU模块计算时刻t
i
的隐藏状态h
i
并输出，该隐藏状态...

【专利技术属性】
技术研发人员：廖祥文，梁少斌，陈志豪，杨黄涛，
申请(专利权)人：福州大学，
类型：发明
国别省市：