Information Diffusion Prediction With Augmented Diffusion Dependency and Multigranularity Temporal Influence

doi:10.1109/TCSS.2025.3545956

Information Diffusion Prediction With Augmented Diffusion Dependency and Multigranularity Temporal Influence

2025-01-01

0

PRE

AI

DOI：10.1109/TCSS.2025.3545956

原文链接

原文求助

摘要

En 中文

信息扩散预测在社会网络中信息传播分析中扮演着关键角色。许多现有方法仅通过学习用户的社交连接中的社会同质性作为唯一的扩散依赖来驱动信息扩散。此外，这些方法通常在离散时间间隔内捕捉级联中的时间影响，这可能不足以描述复杂的扩散过程，并可能限制预测性能。为克服这些局限性，我们提出了一种具有增强扩散依赖和多粒度时间影响（ADDMT）的新方法用于信息扩散预测。我们的方法战略性地利用历史扩散级联中隐含的交互规律性。该信息通过交叉图卷积网络（GCN）与社会同质性整合，以增强用户间的扩散依赖。此外，我们引入多个重叠滑动窗口来分割扩散级联，相邻级联切片具有50%的重叠，增强了语义和结构一致性。另外，我们采用超图卷积网络（HGCNs）和时序卷积网络（TCNs）的组合来捕捉级联内的多粒度时间影响。该设计使我们的模型能够进一步识别用户偏好随时间间隔的演化趋势和短暂波动。在四个真实数据集上的全面评估所得的实验结果表明，我们提出的模型具有卓越的性能。特别是，我们的模型在诸如Hits@K和MAP@K等改进指标上超越了以往的最优扩散预测模型。这些结果强调了ADDMT在预测社会网络中信息扩散方面的有效性和鲁棒性。

Keyword:

Diffusion dependency

information diffusion

social networks

temporal influence

Information Diffusion Prediction With Augmented Diffusion Dependency and Multigranularity Temporal Influence

摘要

期刊

机构

引用论文