基于时空Transformer的社交网络信息传播预测
需积分: 0 169 浏览量
2022-10-16
21:44:24
上传
评论 1
收藏 702KB PDF 举报
计算机研究与发展
ＤＯＩ
：
１０．７５４４
/
ｉｓｓｎ１０００
－
１２３９ ． ２０２２００６４
Ｊｏｕｒｎａｌ
ｏｆ
Ｃｏｍ
ｐ
ｕｔｅｒ
Ｒｅｓｅａｒｃｈ
ａｎｄ
Ｄｅｖｅｌｏ
ｐ
ｍｅｎｔ
５９
（
８
）：
１７５７
１７６９
，
２０２２
收稿日期
：
２０２１
－
０１
－
０９
；
修回日期
：
２０２１
－
０３
－
３１
基金项目
：
国家自然科学基金项目
（
６１９７２１３５
，
６１６０２１５９
）；
黑龙江省自然科学基金项目
（
ＬＨ２０２０Ｆ０４３
）；
哈尔滨科技创新人才研究专项资金
项目
（
２０１７ＲＡＱＸＪ０９４
）
Ｔｈｉｓ
ｗｏｒｋ
ｗａｓ
ｓｕ
ｐｐ
ｏｒｔｅｄ
ｂ
ｙ
ｔｈｅ
Ｎａｔｉｏｎａｌ
Ｎａｔｕｒａｌ
Ｓｃｉｅｎｃｅ
Ｆｏｕｎｄａｔｉｏｎ
ｏｆ
Ｃｈｉｎａ
（
６１９７２１３５
，
６１６０２１５９
），
ｔｈｅ
Ｎａｔｕｒａｌ
Ｓｃｉｅｎｃｅ
Ｆｏｕｎｄａｔｉｏｎ
ｏｆ
Ｈｅｉｌｏｎ
ｇｊ
ｉａｎ
ｇ
Ｐｒｏｖｉｎｃｅ
（
ＬＨ２０２０Ｆ０４３
），
ａｎｄ
ｔｈｅ
Ｉｎｎｏｖａｔｉｏｎ
Ｔａｌｅｎｔｓ
Ｐｒｏ
ｊ
ｅｃｔ
ｏｆ
Ｓｃｉｅｎｃｅ
ａｎｄ
Ｔｅｃｈｎｏｌｏ
ｇｙ
Ｂｕｒｅａｕ
ｏｆ
Ｈａｒｂｉｎ
（
２０１７ＲＡＱＸＪ０９４
）
．
通信作者
：
刘勇
（
ｌｉｕ
ｙ
ｏｎ
ｇ
１２３４５６
＠
ｈｌ
ｊ
ｕ．ｅｄｕ．ｃｎ
）
基于时空
Ｔｒａｎｓｆoｒｍｅｒ
的社交网络信息传播预测
范
伟
刘
勇
（
黑龙江大学计算机科学技术学院
哈尔滨
１５００８０
）
（
２２０１７９２
＠
ｓ．ｈｌ
ｊ
ｕ．ｅｄｕ．ｃｎ
）
Ｓoｃｉａｌ
Ｎｅｔｗoｒｋ
Ｉｎｆoｒｍａｔｉoｎ
Ｄｉｆｆｕｓｉoｎ
Ｐｒｅｄｉｃｔｉoｎ
Ｂａｓｅｄ
oｎ
Ｓ
ｐ
ａｔｉａｌ
－
Ｔｅｍ
ｐ
oｒａｌ
Ｔｒａｎｓｆoｒｍｅｒ
Ｆａｎ
Ｗｅｉ
ａｎｄ
Ｌｉｕ
Ｙｏｎ
ｇ
（
Ｃｏｌｌｅ
ｇ
ｅ
ｏ
ｆ
Ｃｏｍ
ｐ
ｕｔｅｒ
Ｓｃｉｅｎｃｅ
ａｎｄ
Ｔｅｃｈｎｏｌｏ
ｇｙ
，
Ｈｅｉｌｏｎ
ｇｊ
ｉａｎ
ｇ
Ｕｎｉｖｅｒｓｉｔ
ｙ
，
Ｈａｒｂｉｎ
１５００８０
）
Ａｂｓｔｒａｃｔ
Ｗｉｔｈ
ｔｈｅ
ｉｎｃｒｅａｓｉｎ
ｇ
ｐ
ｏ
ｐ
ｕｌａｒｉｔ
ｙ
ａｎｄ
ｗｉｄｅ
ａ
ｐｐ
ｌｉｃａｔｉｏｎ
ｏｆ
ｓｏｃｉａｌ
ｎｅｔｗｏｒｋｓ
，
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｐ
ｒｅｄｉｃｔｉｏｎ
ｈａｓ
ｇ
ｒａｄｕａｌｌ
ｙ
ｂｅｃｏｍｅ
ａ
ｈｏｔ
ｒｅｓｅａｒｃｈ
ｔｏ
ｐ
ｉｃ
ｉｎ
ｔｈｅ
ｆｉｅｌｄ
ｏｆ
ｓｏｃｉａｌ
ｎｅｔｗｏｒｋ
ａｎａｌ
ｙ
ｓｉｓ．
Ｍｏｓｔ
ｐ
ｒｅｖｉｏｕｓ
ｓｔｕｄｉｅｓ
ｅｉｔｈｅｒ
ｏｎｌ
ｙ
ｕｓｅ
ｔｈｅ
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｓｅ
ｑ
ｕｅｎｃｅ
ｏｒ
ｏｎｌ
ｙ
ｕｓｅ
ｔｈｅ
ｓｏｃｉａｌ
ｎｅｔｗｏｒｋ
ｂｅｔｗｅｅｎ
ｕｓｅｒｓ
ｔｏ
ｍａｋｅ
ｐ
ｒｅｄｉｃｔｉｏｎ
，
ｆａｉｌｉｎ
ｇ
ｔｏ
ｅｆｆｅｃｔｉｖｅｌ
ｙ
ｍｏｄｅｌ
ｔｈｅ
ｃｏｍ
ｐ
ｌｅｘｉｔ
ｙ
ｏｆ
ｔｈｅ
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｐ
ｒｏｃｅｓｓ．Ｉｎ
ａｄｄｉｔｉｏｎ
，
ｒｅｃｕｒｒｅｎｔ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
（
ＲＮＮ
）
ａｎｄ
ｉｔｓ
ｖａｒｉａｎｔｓ
，
ｗｈｉｃｈ
ａｒｅ
ｃｏｍｍｏｎｌ
ｙ
ｕｓｅｄ
ｉｎ
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｐ
ｒｅｄｉｃｔｉｏｎ
，
ａｒｅ
ｄｉｆｆｉｃｕｌｔ
ｔｏ
ｃａ
ｐ
ｔｕｒｅ
ｔｈｅ
ｃｏｒｒｅｌａｔｉｏｎ
ｂｅｔｗｅｅｎ
ｉｎｆｏｒｍａｔｉｏｎ
ｅｆｆｅｃｔｉｖｅｌ
ｙ
．Ｔｏ
ａｄｄｒｅｓｓ
ｔｈｅ
ａｂｏｖｅ
ｐ
ｒｏｂｌｅｍｓ
，
ｗｅ
ｐ
ｒｏ
ｐ
ｏｓｅ
ａ
ｎｏｖｅｌ
ｓｏｃｉａｌ
ｎｅｔｗｏｒｋ
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｐ
ｒｅｄｉｃｔｉｏｎ
ｍｏｄｅｌ
ｃａｌｌｅｄ
ＳＴＴ
ｂａｓｅｄ
ｏｎ
ｓ
ｐ
ａｔｉａｌ
－
ｔｅｍ
ｐ
ｏｒａｌ
Ｔｒａｎｓｆｏｒｍｅｒ．Ｆｉｒｓｔ
，
ｗｅ
ｃｏｎｓｔｒｕｃｔ
ａ
ｈｅｔｅｒｏ
ｇ
ｅｎｅｏｕｓ
ｇ
ｒａ
ｐ
ｈ
ｃｏｍ
ｐ
ｏｓｅｄ
ｏｆ
ａ
ｓｏｃｉａｌ
ｎｅｔｗｏｒｋ
ｇ
ｒａ
ｐ
ｈ
ａｎｄ
ａ
ｄ
ｙ
ｎａｍｉｃ
ｄｉｆｆｕｓｉｏｎ
ｇ
ｒａ
ｐ
ｈ
，
ａｎｄ
ｕｓｅ
ｇ
ｒａ
ｐ
ｈ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｔｗｏｒｋ
（
ＧＣＮ
）
ｔｏ
ｌｅａｒｎ
ｔｈｅ
ｕｓｅｒｓ'ｓｔｒｕｃｔｕｒａｌ
ｆｅａｔｕｒｅｓ．Ｔｈｅｎ
，
ｔｈｅ
ｕｓｅｒｓ'ｔｅｍ
ｐ
ｏｒａｌ
ｆｅａｔｕｒｅｓ
ａｎｄ
ｓｔｒｕｃｔｕｒａｌ
ｆｅａｔｕｒｅｓ
ａｒｅ
ｐ
ｕｔ
ｉｎｔｏ
ｔｈｅ
Ｔｒａｎｓｆｏｒｍｅｒ
ｆｏｒ
ｆｕｓｉｏｎ
ｔｏ
ｏｂｔａｉｎ
ｕｓｅｒｓ'ｓ
ｐ
ａｔｉａｌ
－
ｔｅｍ
ｐ
ｏｒａｌ
ｆｅａｔｕｒｅｓ．Ｉｎ
ｏｒｄｅｒ
ｔｏ
ｅｆｆｅｃｔｉｖｅｌ
ｙ
ｆｕｓｅ
ｔｈｅ
ｕｓｅｒｓ'ｔｅｍ
ｐ
ｏｒａｌ
ｆｅａｔｕｒｅｓ
ａｎｄ
ｓｔｒｕｃｔｕｒａｌ
ｆｅａｔｕｒｅｓ
，
ａ
ｎｏｖｅｌ
ｒｅｓｉｄｕａｌ
ｆｕｓｉｏｎ
ｍｅｔｈｏｄ
ｉｓ
ｐ
ｒｏ
ｐ
ｏｓｅｄ
ｔｏ
ｒｅ
ｐ
ｌａｃｅ
ｔｈｅ
ｏｒｉ
ｇ
ｉｎａｌ
ｒｅｓｉｄｕａｌ
ｃｏｎｎｅｃｔｉｏｎ
ｉｎ
Ｔｒａｎｓｆｏｒｍｅｒ．
Ｆｉｎａｌｌ
ｙ
，
ｔｈｅ
Ｔｒａｎｓｆｏｒｍｅｒ
ｉｓ
ｕｓｅｄ
ｆｏｒ
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｐ
ｒｅｄｉｃｔｉｏｎ．Ｅｘｔｅｎｓｉｖｅ
ｅｘ
ｐ
ｅｒｉｍｅｎｔｓ
ｏｎ
ｒｅａｌ
ｄａｔａｓｅｔｓ
ｄｅｍｏｎｓｔｒａｔｅ
ｔｈｅ
ｅｆｆｅｃｔｉｖｅｎｅｓｓ
ｏｆ
ｏｕｒ
ｐ
ｒｏ
ｐ
ｏｓｅｄ
ｍｏｄｅｌ
ＳＴＴ．
Ｋｅ
ｙ
ｗoｒｄｓ
ｓｏｃｉａｌ
ｎｅｔｗｏｒｋ
；
ｉｎｆｏｒｍａｔｉｏｎ
ｄｉｆｆｕｓｉｏｎ
ｐ
ｒｅｄｉｃｔｉｏｎ
；
Ｔｒａｎｓｆｏｒｍｅｒ
；
ｇ
ｒａ
ｐ
ｈ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｔｗｏｒｋ
；
ｓ
ｐ
ａｔｉａｌ
－
ｔｅｍ
ｐ
ｏｒａｌ
ｆｅａｔｕｒｅ
摘
要
随着社交网络的日益普及和广泛应用
，
信息传播预测逐渐成为了社交网络分析领域的一个热点
研究问题
．
之前大部分研究要么只利用信息传播序列
，
要么只利用用户之间的社交网络来进行预测
，
难
以对信 息 传 播 过 程 的 复 杂 性 进 行 有 效 建 模
．
此 外
，
常用于信息传播预测的循环神经网络
（
ｒｅｃｕｒｒｅｎｔ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
，
ＲＮＮ
）
及其变体难以有效捕获信息之间的相关性
．
为解决上述问题
，
提出了一个新的基
于时空
Ｔｒａｎｓｆｏｒｍｅｒ
的社交网络信息传播预测模型
ＳＴＴ．
该模型首先构建由社交网络图和动态传播图
组成的异构图并使用图卷积网络
（
ｇ
ｒａ
ｐ
ｈ
ｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｔｗｏｒｋ
，
ＧＣＮ
）
来学习用户的结构特征
；
然后将
剩余12页未读，继续阅读
资源评论
