融合级联频域特征的信息微观扩散预测模型制造技术

本发明专利技术涉及信息传播预测技术领域，公开了一种融合级联频域特征的信息微观扩散预测模型，本发明专利技术首先构建了社交图和信息扩散超图，利用图卷积神经网络的强大能力，捕捉社交同质性和社会影响因素对信息传播的影响。随后，巧妙地应用傅立叶变换，将级联的时域信息映射至频域，通过结合高频和低频分量，学习用户与级联之间的深层次匹配度。最后通过注意力融合层进一步优化模型性能，旨在生成更具表现力的用户表示，从而有效避免特征冗余和信息缺失的问题。在Douban、Memetracker等四个公开数据集上的实验显示，本发明专利技术提出的方法在Hits@K和Map@K两个关键评估指标上，相较于现有最先进的基线模型实现了显著提升，最高达10.94％和23.03％。

【技术实现步骤摘要】

本专利技术涉及信息传播预测，尤其涉及一种融合级联频域特征的信息微观扩散预测模型。

技术介绍

1、社交网络的兴起彻底改变了人们生活和交流模式，网络平台上存在大量的信息，这些信息的传播方式和路径因微博、facebook等在线社交媒体的出现而发生了巨大的变化。然而，社交网络的发展具有双重性质。从积极的角度看，强大的传播能力使社交网络在用户个性化分析、社会推荐等领域发挥着不可或缺的作用。因此，信息扩散预测研究具有重要的现实意义和社会价值，为监测和控制信息动态传播提供了基础支持。

2、信息级联微观扩散预测任务旨在信息传播过程中探索下一个即将被感染的节点。网络用户每天都会接收大量的信息，但他们是否会转发这些信息却是不确定的，即信息的传播并非简单的单向流动，而是与多种因素有关的，如个人兴趣偏好、社交同质性和社会影响等。这些因素共同作用，决定了信息在网络上的传播路径和规模。本专利技术希望推断出复杂的影响因素，并确定未来可能参与级联的用户。

3、信息的传播过程通常是复杂且动态的，传统的时域分析方法难以全面捕捉其中的规律。在信息扩散建模方面，过去的几十本文档来自技高网...

【技术保护点】

1.一种融合级联频域特征的信息微观扩散预测模型，其特征在于，包括：

2.根据权利要求1所述的融合级联频域特征的信息微观扩散预测模型，其特征在于，所述学习用户的社交同质性包括如下步骤：

3.根据权利要求1所述的融合级联频域特征的信息微观扩散预测模型，其特征在于，所述频域学习模块包括：

4.根据权利要求1所述的融合级联频域特征的信息微观扩散预测模型，其特征在于，所述解耦信息融合模块包括：

5.根据权利要求1所述的融合级联频域特征的信息微观扩散预测模型，其特征在于，所述级联传播预测模块包括：

【技术特征摘要】

1.一种融合级联频域特征的信息微观扩散预测模型，其特征在于，包括：

2.根据权利要求1所述的融合级联频域特征的信息微观扩散预测模型，其特征在于，所述学习用户的社交同质性包括如下步骤：

3.根据权利要求1所述的融合级联频域特征的信息微观扩散预测模型...

【专利技术属性】
技术研发人员：朱小飞，赖雨阳，陈卓，葛晓成，王庆洋，周致圆，姚建丰，孙井会，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：