基于多属性融合的社交网络用户信息传播与级联预测方法研究.pdfVIP

摘要

随着信息技术的迅猛发展，“在线社交”已成为现代社会交流的主流方式，

用户通过社交媒体发布、转发、分享，产生海量的信息，并在社交网络中广泛传

播。对社交网络信息传播规律进行研究，预测社交网络中信息传播级联，不仅有

助于监控舆情、优化市场营销，还有助于识别并阻止不良信息传播，增强信息安

全，具有重要意义。针对社交网络信息传播与级联预测问题，本文首先对现有的

社交网络信息传播建模研究进行分类归纳，在此基础上融合用户多属性特征，构

建信息传播综合注意力机制，进一步提出信息传播概率模型与级联预测模型，通

过该模型分析并预测社交网络中信息传播级联的变化规律。本文的主要贡献如下：

1、针对社交网络用户信息传播预测，提出基于用户信息相似性的信息传播

ADSPAttention-basedDualSimilarityProbabilityModel

预测模型（）。从用户属性、

信息内容和用户传播倾向三个属性进行分析建模后，综合潜在转发用户属性与先

前转发者属性之间的相似度、信息内容与潜在转发用户兴趣之间的相似度、潜在

转发用户的传播倾向度量三个指标构建注意力机制，并在该注意力机制的引导下，

训练用户信息传播预测模型，得到潜在转发用户的信息传播概率。通过真实社交

网络实验结果分析，本模型在用户信息传播预测中表现优于现有方法，说明了本

模型的优越性。

2、针对社交网络信息传播级联预测，提出结构与时间动态融合的信息传播

级联预测模型Topo-ADSP。从社交网络结构节点激活的角度分析信息传播路径，

引入长短期记忆（LSTM）机制以及时变权重方法，提出节点激活概率模型。在

此基础上融合节点激活概率模型与ADSP模型，形成信息传播级联预测模型，实

现了对信息传播级联的有效预测。通过分析对比实验结果，本模型的信息传播级

联预测两项指标Map@k，Hits@k均优于现有方法，说明了本方法在实际应用场

景中的优越性。

关键词：社交网络分析，信息传播建模，信息传播级联

ABSTRACT

Withtherapiddevelopmentofinformationtechnology,onlinesocializinghas

becomeamainstreammethodofcommunicationinmodernsociety.Userscreatea

massiveamountofinformationthroughposting,forwarding,andsharingonsocialmedia,

whichiswidelydisseminatedacrosssocialnetworks.Studyingthepatternsofinformation

disseminationonsocialnetworksandpredictinginformationdisseminationcascades

withinthemisnotonlybeneficialformonitoringpublicsentiment,optimizingmarket

marketing,butalsoforidentifyingandpreventingthespreadofharmfulinformation,

enhancinginformationsecurity,andisofgreatsignificance.Addressingtheissuesof

informationdisseminationandcascadepredictioninsocialnetworks,thispaperfirst

categorizesandsummarizesexistingresearc