【技术实现步骤摘要】
本专利技术涉及人工智能，具体而言，尤其涉及一种基于图神经网络的内容感知易感度估计方法。
技术介绍
1、随着社交媒体的迅速发展，用户在社交网络上的行为模式变得越来越复杂，预测用户之间的消息转发路径是一个挑战。用户的行为历史包括了对各种消息的转发以及接受来自其他用户的转发。业内将用户对种子用户(消息传递来源)的敏感性或者说用户被种子用户所影响的概率称为易感度。如何准确地估计用户对特定内容的易感性成为社交网络分析中的一个核心问题。现有的研究主要集中在利用深度学习技术挖掘网络结构特征，未能有效整合用户行为历史与网络结构信息。此外，基于主题的预测方法虽然能够从不同主题的角度估算影响传播范围，但由于内容被模糊聚类为有限个主题，存在表示歧义性，限制了模型的精确度。
2、关于社交网络易感性评估问题已经进行了大量的研究工作，包括基于扩散模型的方法和基于主题的方法。基于扩散模型的方法主要利用扩散模型来模拟网络中的扩散过程来预测节点易感度，经典扩散模型包括独立级联模型、线性阈值模型等。在网络中利用蒙特卡洛模拟进行大量重复的扩散模拟，对结果求和取均...
【技术保护点】
1.一种基于图神经网络的内容感知易感度估计方法，其特征在于，包括：
2.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其特征在于，所述步骤S2具体包括：
4.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其特征在于，所述步骤S3具体包括：
5.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其特征在于，所述步骤S4具体包括：
6.根据权利要求1所述的基于图神经网络的内容感...
【技术特征摘要】
1.一种基于图神经网络的内容感知易感度估计方法，其特征在于，包括：
2.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其特征在于，所述步骤s2具体包括：
4.根据权利要求1所述的基于图神经网络的内容感知易感度估计方法，其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。