声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：王绍卿, 李翠平, 王征, 陈红
单位：1. 山东理工大学 计算机科学与技术学院, 淄博 255091;<br>2. 中国人民大学 信息学院, 数据工程与知识工程教育部重点实验室, 北京 100872;<br>3. 中国科学院计算技术研究所, 中国科学院网络数据科学与技术重点实验室, 北京 100190
关键词：Poisson因子分解,转发预测,信任关系,社交网络
基金：国家重点研发计划资助项目（2016YFB1000702）；国家自然科学基金资助项目（61772537，61772536，61702522，61532021）
微博转发预测有助于热点话题检测、个性化微博推荐等，近些年引起了学术界和工业界的广泛关注。然而，现有的关于微博转发预测的研究工作没有充分利用用户之间的多重信任关系的影响。该文提出联合概率模型，把用户之间的多重信任关系融入传统的Bayesian Poisson因子分解（Bayesian Poisson factorization，BPF）模型，从而预测转发行为。该模型命名为TrustBPF，可以灵活地捕获用户之间的各种社交影响。该文进一步把用户之间的信任强度整合到一个框架中。在新浪微博数据集上验证结果表明：在NDCG@3和Precision@3指标上，TrustBPF模型比原始的BPF模型分别提升了90.91%和88.37%。
来源：2019年第4期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。