CasCIFF: A Cross-Domain Information Fusion Framework Tailored for Cascade Prediction in Social Networks

要約

情報カスケード予測の既存のアプローチは、特徴駆動型手法、ポイント プロセス ベースの手法、深層学習ベースの手法という 3 つの主要なカテゴリに分類されます。
その中でも、ディープ ラーニング ベースの手法は、優れた学習能力と表現能力を特徴としており、他の手法に固有の欠点が軽減されます。
しかし、現在のディープラーニング手法は依然としていくつかの永続的な課題に直面しています。
特に、偽のフォロワーや複雑なネットワーク構成などの要因により、ユーザー属性の正確な表現には依然として問題が残っています。
ユーザーのアクティベーションの順序に焦点を当てた以前のアルゴリズムでは、アクティベーションのタイミングによって得られる豊富な洞察が無視されることがよくありました。
さらに、これらの技術は、時間的側面と構造的側面を総合的に統合できないことが多く、そのため、情報カスケードに固有の微妙な伝播傾向が見逃されます。これらの問題に対処するために、情報カスケード予測用に調整されたクロスドメイン情報融合フレームワーク (CasCIFF) を提案します。
。
このフレームワークは、マルチホップ近隣情報を利用して、ユーザーの埋め込みを堅牢にします。
カスケードを埋め込む場合、フレームワークには意図的にタイムスタンプが組み込まれ、情報拡散の進化するパターンを捕捉する機能が与えられます。
特に、CasCIFF はユーザー分類とカスケード予測のタスクを統合フレームワークにシームレスに統合し、それによってすべてのタスクに有用であることが判明した共通の特徴の抽出を可能にし、これはマルチタスク学習の原則に基づいた戦略です。

要約(オリジナル)

Existing approaches for information cascade prediction fall into three main categories: feature-driven methods, point process-based methods, and deep learning-based methods. Among them, deep learning-based methods, characterized by its superior learning and representation capabilities, mitigates the shortcomings inherent of the other methods. However, current deep learning methods still face several persistent challenges. In particular, accurate representation of user attributes remains problematic due to factors such as fake followers and complex network configurations. Previous algorithms that focus on the sequential order of user activations often neglect the rich insights offered by activation timing. Furthermore, these techniques often fail to holistically integrate temporal and structural aspects, thus missing the nuanced propagation trends inherent in information cascades.To address these issues, we propose the Cross-Domain Information Fusion Framework (CasCIFF), which is tailored for information cascade prediction. This framework exploits multi-hop neighborhood information to make user embeddings robust. When embedding cascades, the framework intentionally incorporates timestamps, endowing it with the ability to capture evolving patterns of information diffusion. In particular, the CasCIFF seamlessly integrates the tasks of user classification and cascade prediction into a consolidated framework, thereby allowing the extraction of common features that prove useful for all tasks, a strategy anchored in the principles of multi-task learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google