基于关系强度理论与反馈机制的信息传播动态网络表示

摘要：

现有多数网络表示学习方法不能很好地贴合真实世界的信息传播网络,且无法对信息传播动态网络的时间特性与动力学演化特征进行有效建模.提出一种新的信息传播动态网络表示模型,基于关系强度将信息传播动态网络划分为关系网络与传播网络,并分别计算变化节点对的概率密度和邻接矩阵.通过更新节点注意力强度矩阵,聚合节点邻域变化信息,并融合节点邻域变化信息、自身历史信息以及外部影响因素,对信息传播动态网络进行归纳式表示学习.引入反馈机制,将最新的节点表示反馈到邻居节点,解决网络表示不及时的问题,提升网络表示性能.实验结果表明,与Know-Evolve、DyRep、LDG等模型相比,该模型的命中率和平均排名提升显著,与LDG模型相比,其时间效率在Social Evolution数据集和Github数据集上分别提升了91.8％、87.2％.

关键词：信息传播、动态网络表示、关系强度、反馈机制、链接预测

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

资助基金：国家社会科学基金19BXW110

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：246-253