返回
HSDP: Hypergraph and structure-aware representation learning for information diffusion prediction
DOI:10.1016/j.patcog.2026.113732.png)
摘要
En 中文
• 我们提出了一种超图结构感知框架,将双图自编码和超图建模统一应用于信息扩散预测。• 该模型捕捉了结构异质性和级联依赖关系,通过门控融合和序列建模来自适应地平衡多种表示。• 在四个真实数据集上的实验表明,HSDP模型始终优于现有最先进基线方法,并通过消融分析和超参数分析得到验证。
Keyword:
hypergraph modeling
information diffusion prediction
dual graph auto-encoding
structural heterogeneity
gated fusion
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
GL-BKGNN: Graphlet-based Bi-Kernel Interpretable Graph Neural NetworksGL-BKGNN:基于图模的Bi-Kernel可解释图神经网络
INFORMATION FUSION
IF15.5
HC-GAE: The hierarchical cluster-based graph auto-encoder for graph representation learningHC-GAE:基于层次聚类的图自编码器用于图表示学习

