计算机应用

作者：吕锡婷, 赵敬华, 荣海迎, 赵嘉乐

单位：上海理工大学 管理学院，上海 200093

关键词：信息传播预测,Transformer,关系图卷积网络,双向长短期记忆网络,时空特征

基金：国家自然科学基金资助项目(72201173);上海市教育科学研究项目(C2023292);上海理工大学尚理晨曦社科专项重点项目(23SLCX?ZD?006)

针对在信息传播动态演化中，结构特征和时序特征以及两者间的交互表达难以有效捕获的问题，提出一种基于Transformer和关系图卷积网络的信息传播预测模型（TRGCN）。首先，构建由社交关系图和传播级联图组合而成的异构图，使用关系图卷积网络（RGCN）提取图中各节点的结构特征；其次，使用双向长短期记忆（Bi-LSTM）网络对各节点的时间嵌入重新编码，引入时间衰减项以不同的权重赋予不同时间位置的节点，获得节点的时序特征；最后，将结构特征和时序特征输入Transformer进行融合，得到时空特征以预测信息传播。在Twitter、Douban和Memetracker这3个真实数据集上的实验结果表明，相较于对比实验中的最优模型，TRGCN的Hits@100指标分别提升3.18%，5.96%和3.34%，Map@100指标分别提升11.60%，19.72%和8.47%，验证了所提模型的有效性和合理性。

来源：2024年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第6期