EBSN中基于自激霍克斯过程的组流行度预测研究

• 作 者: 赵力阳
• 出 处: 东南大学
• 发表日期: 2017年01期
• 关键词: 基于活动的社交网络 流行度预测 自激霍克斯过程

近年来,曾占据我们生活中重要地位的传统在线社交网络已不再能满足人们对社交行为的进一步需求。因此,带有特殊功能的新型异构社交网络——基于活动的社交网络(Event-based Social Network,EBSN)应运而生。EBSN不仅为用户提供了交流思想、分享经历的在线平台,并且以组为单位帮助用户参与线下面对面的社交活动。随着EBSN的不断发展,EBSN也受到了学者们的广泛关注。在EBSN所涉及到的一系列研究中,相比于内容推荐等方面的研究工作,人们有时候则更关注于其网络中相关内容流行度的分析及预测。因此,本文以在EBSN中占据重要地位的组为研究对象,并针对组的流行度预测问题进行研究,在相关分析工作的基础上提出组流行度预测算法用以解决该问题。首先,本文在分析真实数据的基础上给出EBSN中组流行度的相关定义并构建EBSN异构社交网络模型。而后基于组流行度定义和EBSN网络模型,本文从组的固有特性、组历史发展趋势、内部情感特征以及外部动态特征四个角度出发,分别进行分析并提取其对应的特征值,进而构建基于自激霍克斯过程的组流行度预测模型。其次,本文针对EBSN中的组流行度预测问题采用随机过程的建模思想设计一种基于自激霍克斯过程的组流行度预测算法(EBSN-Hawkes Process Algorithm,EHP)。该算法不仅考虑到EBSN中组的固有特性及其历史趋势对组流行度预测所产生的影响,并且还融入用户评论活动对应的内部情感因素以及组中新加入用户对应的外部动态因素的贡献以提升对组流行度的预测效果。最终,本文使用真实的EBSN数据集进行相关实验以验证算法的有效性。通过对实验结果的分析及对比得出如下结论:本文所提出的EHP算法能够有效解决EBSN中的组流行度预测问题,并且相比于其他对比算法该算法具有更好的预测效果;与此同时,EHP算法中的外部动态特征比内部情感特征在EBSN中组流行度预测方面发挥着更为重要的作用。