将主题立场纳入签署的双边网络,以预测用户的转发
Lixia Li1, Ziqing Chen1, Haoran Ye2
1Wuhan Digital Engineering Institute, Wuhan, China.
PloS one
|February 23, 2026
概括
本研究介绍了基于主题节点权重的主题姿态表示 (TNTSR) 和主题姿态集成的图表注意力神经网络 (TSGAT),通过分析用户特征和主题姿态来提高转发预测的准确性.
科学领域:
- 社交网络分析分析
- 信息传播 信息传播
- 计算社会科学 计算社会科学
背景情况:
- 转发预测对于了解社交媒体上的用户交互和公众论至关重要.
- 现有的模型往往忽视了在转发预测中情绪极性和主题语义的结合.
- 树状的传播链通常被分析为链接存在,而不是细微的用户行为.
研究的目的:
- 开发先进的方法来预测用户的转发行为和情绪极性.
- 整合主题立场和网络结构,以便更准确地预测转发.
- 提高对用户情绪倾向和公众论动态的理解.
主要方法:
- 构建了一个签名的双方网络与用户和主题节点.
- 提出了基于主题节点权重的主题立场表示 (TNTSR) 方法.
- 开发了一个主题姿态集成图表注意力神经网络 (TSGAT) 模型.
主要成果:
- 无论是TNTSR方法还是TSGAT方法,都显著超过了SGCN等现有基准标准.
- 这些模型在预测转发行为和情绪极性方面都表现出更高的准确性.
- 事实证明,主题立场和网络结构的有效整合可以提高预测性能.
结论:
- 拟议的TNTSR和TSGAT方法为用户转发预测提供了更有效的方法.
- 利用主题立场与网络结构一起显著提高预测准确性.
- 这项研究为社交媒体分析和论监测提供了有价值的工具.
