【摘 要】
：
随着互联网技术的快速发展,社交网络作为重要的信息载体,极大程度改变了信息的传播方式,使每个人都能扮演信息的创造者、传播者和消费者,因此,对信息流行度的高效预测成为了研究热点之一。然而,由于内容形式的多样性、网络结构的复杂性以及影响因素的多元性使得预测任务面临众多挑战,如何建立高效的预测模型是亟待解决的问题。通过对相关文献资料的充分调研,本文深入研究并分析了信息流行度的诸多影响因素,运用深度学习技术
论文部分内容阅读
随着互联网技术的快速发展,社交网络作为重要的信息载体,极大程度改变了信息的传播方式,使每个人都能扮演信息的创造者、传播者和消费者,因此,对信息流行度的高效预测成为了研究热点之一。然而,由于内容形式的多样性、网络结构的复杂性以及影响因素的多元性使得预测任务面临众多挑战,如何建立高效的预测模型是亟待解决的问题。通过对相关文献资料的充分调研,本文深入研究并分析了信息流行度的诸多影响因素,运用深度学习技术对信息传播过程中的关键因素进行建模,以准确捕获流行度的增长模式。本文的主要研究内容和创新点如下:（1）归纳总结已有的信息流行度预测方法。通过梳理大量研究工作,本文首先概括了社交网络中信息流行度预测的研究背景和意义;其次,信息流行度预测方法主要包括三类:基于特征提取的预测方法、基于生成模型的预测方法和基于深度学习的预测方法,详细阐述各类方法的研究成果和优缺点。（2）提出了一种基于图神经网络的协同预测模型。为了充分利用信息传播的结构特征、时序信息和节点属性来预测信息流行度,我们提出了基于图神经网络的端到端模型CCas GNN。首先,为了捕获传播过程中的时序信息,我们根据传播序列中节点的先后顺序,利用位置编码函数计算出每个节点的位置编码。其次,为了引入网络结构特征和节点属性,我们利用图卷积网络（Graph Convolutional Network,GCN）和图注意力网络（Graph Attention Network,GAT）联合学习节点表示向量,同时,将位置编码加入到神经网络运算层中以融合时序信息,进而通过池化操作得到级联表示向量,最后将其送入多层感知机中获得预测结果。该模型有效融合了基于频域和空域的图神经网络,并借助位置编码在保证时间效率的同时,提高了预测精度。（3）提出了一种基于子图的深度学习预测模型。为了更好地捕获信息传播过程中的结构特征和时序信息,我们提出了基于深度学习的端到端模型Cas Seq GCN。通过定义节点的激活状态,我们将级联图划分为多个子图,每个子图包括级联的拓扑结构和节点激活状态,利用图卷积网络（Graph Convolutional Network,GCN）学习子图的节点表示向量。接着通过本文提出的基于动态路由的聚合算法将所有节点表示聚合为子图表示向量,此向量隐含了子图的结构特征和节点的状态信息,将子图表示序列依次送入到长短期记忆网络（Long Short-Term Memory,LSTM）中捕获传播过程中的时序信息,最后将LSTM的输出送入到多层感知机中获得预测结果。该模型避免了大规模的特征工程,并将结构特征和时序信息有效结合,提高了预测性能。为了验证上述模型的有效性和可行性,本文设计了丰富的对比实验和消融实验,相关结果证明了其优异的预测性能及各组成模块的必要性。
其他文献
背景：研究表明，在地塞米松诱导腭裂的小鼠胚胎腭突间充质细胞中miR-135a-5p呈高表达，初级纤毛及其介导的Shh信号通路参与小鼠胚胎腭突间充质细胞的自噬。由此猜测miR-135a-5p可能通过初级纤毛及其介导的Shh信号途径调控小鼠胚胎腭突间充质细胞的自噬。目的：探讨miR-135a-5p对小鼠胚胎腭突间充质细胞自噬的调控作用。方法：体外提取并培养C57BL/6J小鼠胚胎腭突间充质细胞。细胞转
并非所有的成果都类似诺贝尔奖的获奖工作或发表在《Nature》或《Science》上的研究一样拥有相当的成就与影响力,对于其余大部分的科研成果进行合理的量化分析,往往关系到科研政策、评价规则等的制定与修改,是长期以来的研究课题。研究实体主要有两种公开行为,即发表和引用。发表中包含的信息相对有限,其作为作者对自身研究内容的单向表达,基本只能体现作者在对应时期的研究内容及合作关系;而引用作为科研工作间
图像超分辨率重建是计算机视觉中的一项关键性技术,旨在将低分辨率图像重建成具有丰富纹理细节的高清分辨率图像。在如视频重建,医学检测、地理遥感、目标识别等众多领域有着广阔的应用前景和重要的研究价值。高分辨率图像模糊退化成低分辨率图像的过程中含有诸多难以建模的复杂因素,该映射是一种一对多的关系,难以一种求解简便的逆函数方法得到超分辨率图像。近年来,随着深度学习的发展以及在图像重建的实际应用,超分辨率重建
变应性鼻炎（Allergic rhinitis,AR）是指特应性个体接触变应原后,发生的主要由过敏原特异性Ig E介导的,且体内有多种免疫细胞及细胞因子参与的鼻黏膜慢性非感染性炎性疾病。主要临床表现包括,阵发性喷嚏、流清水样涕、鼻痒和鼻塞,且可能伴有支气管哮喘、慢性鼻窦炎和变应性结膜炎等多种并发症,对人们的生活和健康造成极大困扰。流行病学调查显示,全球大约有10%-40%的AR患者,不仅在生活质量
背景和目的:骨关节炎（Osteoarthritis,OA）的发展与关节组织中老化细胞的增多和软骨降解有关,原因可能是线粒体功能障碍和氧化应激。因此,减少氧化应激对软骨细胞的损伤通常被视为治疗OA的有效手段。淫羊藿作为一种传统中草药,常用于OA的基础研究和临床治疗。其独特的黄酮类化合物淫羊藿苷被历版《中国药典》指定为淫羊藿药材质量评价的指标性成分,具有清除氧自由基（Reactive oxygen s
随着信息技术的蓬勃发展,人类社会中产生的数据量飞速增长,数据对象的类别及其相互之间的关联越来越复杂,形成了规模巨大、种类繁多的异构信息网络（Heterogeneous Information Network,HIN）,如何挖掘这些数据中包含的知识成为亟需解决的问题。因此,需要探索合理的异构信息网络表示方式,以提高存储与分析的效率。早期的方法基于网络采样的结果学习网络节点的稠密向量表示。然而,这类方
随着互联网行业的快速发展,人类的生产生活产生大量的复杂网络。链路预测的主要任务是通过已知的网络节点以及网络结构等信息,预测网络中尚未产生连边的节点对之间在未来产生链接的可能性。作为数据挖掘领域的一个重要分支,链路预测已成为各领域研究者关注的重点,广泛应用于生物实验、推荐系统、网络重构、在线社交等领域。以共同邻居（Common Neighbors,CN）为代表的传统链路预测算法仅根据节点的一阶邻居信
药物组合在治疗多种复杂疾病中发挥着重要作用,它能从多个治疗方向促进患者健康恢复。与单一药物治疗相比,药物组合治疗不仅能够提高治疗效果,而且可以降低单一药物剂量增加带来的副作用。然而,通过临床实验手段验证成千上万种药物组合的有效性,会消耗大量人力和物力资源。深度学习的迅速发展,为临床医疗数据的挖掘与运用提供了新手段。通过深度学习技术对临床医疗数据加以分析,筛选出潜在有效的治疗药物组合,可以大大减少临
目的 观察护理干预对Leep刀宫颈锥切术治疗宫颈疾病的影响及效果。方法 选取行Leep刀宫颈锥切术治疗的宫颈疾病患者40例，分为基础护理干预组和整体护理干预组各20例。对比两组手术一次成功情况、术后并发症、宫颈长度、疼痛程度、生活质量及护理满意度。结果 整体护理干预组手术一次成功率高于基础护理干预组（P＜0.05），术后并发症发生率低于基础护理干预组（P＜0.05），护理满意度高于基础护理干预组（