在线社会关系网络中信息传播建模与预测研究

图书标准信息

• 作者 鲍鹏
• 出版社 北京交通大学出版社
• 出版时间 2022-03
• 版次 1
• ISBN 9787512146020
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 337页
• 字数 242.000千字

【内容简介】

在线社会关系网络中信息传播建模与预测研究是网络科学、社会计算等领域的研究热点之一。深入分析网络信息传播的基本模式和内在规律，有助于提高网络管理的科学化水平、规范网络信息传播秩序、培育安全稳定的网络环境，具有重要的理论意义和广阔的应用前景。本书着眼于网络信息传播的微观机理，围绕用户交互的动态性、传播过程的复杂性和人类行为的时间尺度非均匀性等挑战展开研究，形成系列模型和算法，力争为网络信息传播的分析和舆论引导提供基础技术和算法工具，引领社会计算与人工智能交叉研究的科学前沿。

【目录】

  第1章  绪论 1

1.1　研究背景 1

1.2　研究现状 4

1.3　面临的挑战 7

1.4　研究目标与内容 8

1.5　研究的技术路线与创新点 11

 

  第2章  相关研究概述 14

2.1　网络结构分析 15

2.1.1　宏观结构分析 15

2.1.2　中观结构分析 16

2.1.3　微观结构分析 17

2.2　用户行为分析 18

2.2.1　影响力的度量 19

2.2.2　个体行为分析与建模 21

2.3　网络信息传播 22

2.3.1　传播模型 22

2.3.2　信息传播态势预测 25

2.3.3　信息传播动态过程建模 28

2.3.4　基于深度学习的方法 32

2.4　外部数据资源 35

2.5　本章小结 37

 

  第3章  信息传播中的累积效应 39

3.1　引言 39

3.2　相关工作 41

3.3　消息扩散树及其统计特征 42

3.3.1　数据说明 42

3.3.2　宏观统计特征 42

3.3.3　传播时序特征 46

3.4　多次暴露的累积效应 48

3.5　信息传播基序 53

3.5.1　结构基序 54

3.5.2　时序基序 56

3.6　用户转发选择预测 57

3.6.1　用户转发选择预测问题形式化 58

3.6.2　特征选择和实验设置 58

3.6.3　实验结果 61

3.7　本章小结 62

 

  第4章  基于早期传播历史的消息流行度预测 63

4.1　引言 63

4.2　融合结构多样性的消息流行度预测算法 65

4.2.1　问题定义 65

4.2.2　前期分析 65

4.2.3　结构多样性与消息终流行度的关联 69

4.2.4　融合结构多样性预测消息流行度 70

4.2.5　实验设置和预测性能 71

4.3　利用自激励霍克斯过程建模消息流行度动态过程 72

4.3.1　生存理论和自激励霍克斯过程简介 72

4.3.2　利用自激励霍克斯过程建模消息流行度动态过程 75

4.3.3　参数推断 76

4.3.4　实验设置和预测性能 77

4.4　本章小结 81

 

  第5章  基于社区发现时空卷积网络的流行度预测 82

5.1　引言 82

5.2　模型 83

5.2.1　用户嵌入表示 84

5.2.2　构建社区交互矩阵 85

5.2.3　卷积结构 88

5.3　实验 89

5.3.1　对比方法 89

5.3.2　评估指标 90

5.3.3　参数设置 90

5.3.4　预测结果分析 91

5.3.5　消融实验 93

5.4　本章小结 95

 

  第6章  基于图注意力时空网络的流行度预测 97

6.1　引言 97

6.2　模型 98

6.2.1　观察窗口数据表示 99

6.2.2　网络结构 100

6.3　实验 102

6.3.1　对比方法与评估指标 102

6.3.2　模型参数 102

6.3.3　预测结果分析 103

6.3.4　消融实验 105

6.4　本章小结 106

 

  第7章  基于邻居感知表示学习的流行度预测 107

7.1　引言 107

7.2　数据分析 108

7.3　模型 109

7.3.1　用户嵌入表示 110

7.3.2　自激励邻居感知 110

7.3.3　时间衰减效应与加和池化 112

7.4　实验 112

7.4.1　对比方法与评估指标 112

7.4.2　模型优化和参数设置 113

7.4.3　预测结果分析 113

7.4.4　时间效应分析 116

7.5　本章小结 117

 

  第8章　构建预测算法与传播机理之间的桥梁 118

8.1　引言 118

8.2　模型 119

8.2.1　用户嵌入 120

8.2.2　路径编码与加和池化 121

8.2.3　非参数时间衰减效应 123

8.2.4　输出层 123

8.3　实验 124

8.3.1　对比方法 124

8.3.2　实验设置 125

8.3.3　预测结果 126

8.3.4　用户嵌入和路径编码分析 128

8.3.5　时间效应分析 129

8.4　结论 130

 

  第9章　基于耦合图神经网络的流行度预测 131

9.1　引言 131

9.2　模型 133

9.2.1　耦合神经网络框架 133

9.2.2　状态图神经网络 134

9.2.3　影响力图神经网络 135

9.2.4　输出层 136

9.3　实验 137

9.3.1　对比方法 137

9.3.2　参数设置 138

9.3.3　评估指标 138

9.3.4　预测结果 139

9.3.5　比较CoupledGNN和Single-GNN 140

9.3.6　参数分析 141

9.4　结论 143

 

  第10章　基于图注意力网络的信息级联外源因素建模 144

10.1　引言 144

10.2　模型 146

10.2.1　问题定义 146

10.2.2　模型框架 147

10.2.3　基于图注意力网络的特征表示 148

10.2.4　基于卷积神经网络的外源因素影响力建模 149

10.3　实验 151

10.3.1　实验集 151

10.3.2　对比方法 153

10.3.3　实验设置 154

10.3.4　实验结果及分析 155

10.4　结论与展望 159

  第11章　基于时空学习的多视角谣言检测框架 160

11.1　引言 160

11.2　相关工作 161

11.3　基本概念 162

11.3.1　符号描述 163

11.3.2　问题定义 163

11.3.3　Transformer网络 164

11.3.4　图神经网络 164

11.4　模型框架 165

11.4.1　动态时间特征学习模块 166

11.4.2　传播结构特征学习模块 168

11.4.3　内容文本特征学习模块 174

11.4.4　聚合模块 175

11.4.5　分类模块 175

11.4.6　模型训练 175

11.5　实验 175

11.5.1　数据集 176

11.5.2　实验设置 176

11.5.3　实验结果 177

11.6　结论 183

 

  第12章　信息传播动态过程中的时间尺度非均匀性 184

12.1　引言 184

12.2　概述 185

12.3　相关工作 185

12.4　信息传播动态过程的前期分析 186

12.4.1　信息传播动态过程影响因素的复杂性 186

12.4.2　信息传播动态过程常见模式 188

12.4.3　系统活跃度 189

12.5　人类行为的时间尺度非均匀性 191

12.5.1　系统活跃度与信息传播动态过程的关联 191

12.5.2　全局时间尺度变换 193

12.6　信息传播动态过程中的普遍时序模式 194

12.7　时间尺度变换对模型预测能力的影响 198

12.8　本章小结 199

 

  第13章　研究结论与展望 201

13.1　主要研究结论 201

13.2　研究展望 204

 

  参考文献 206