.png){kind=icon}
返回
Enhancing Multi-source Localization via Tailored Feature Representation Framework
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3055-7_19.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
快速准确的信源定位能够最小化谣言造成的危害。然而，由于信息传播的多样性和复杂性，在社会网络上识别谣言源头仍然是一个关键且未解决的难题。同时，现有方法低维的标签特征限制了节点表示的表达能力。在本文中，我们提出了一种通过定制化特征表示框架增强多源定位（SL-TFRF）的方法来解决这一限制。具体而言，我们设计了一个特征表示模块，利用嵌入层和对比学习来扩展节点特征的维度。此外，我们引入了一种受滑动窗口启发的注意力融合方法，以考虑不同节点信息传输效率的差异。另外，我们开发了一种类别平衡机制，以缓解信源定位中固有的标签不平衡问题。广泛的实验验证了SL-TFRF的有效性，并展示了其优于当前最优方法的优势。
Keyword:
Social Network
Information Dissemination
Source Localization
Class Imbalance
期刊
K
IF:
0
论文数:
28
被引数:
0
机构
引用论文
.png){kind=icon}
A Heuristic Framework for Sources Detection in Social Networks via Graph Convolutional Networks
PREAI
分享收藏分享收藏
分享收藏
查看更多内容