资料下载
×
基于深度学习的信息级联预测方法研究综述
消耗积分:0 |
格式:pdf |
大小:2.08 MB |
2021-05-18
分享资料个
在线社交媒体极大地促进了信息的产生和传递，加速了海量信息之间的传播与交互，使预测信息级联的重要性逐渐突显。近年来，深度学习已经被广泛用于信息级联预测（ Information Cascade Prediction领堿。文中主要对基于深度学习的信息级联预测方法的研究现状与经典算法进行分类、梳理与总结。根据信息级联特征刻画的侧重点不冋，将基于深度学习的信息级联预测方法分为时序信息级联预测方法与拓扑信息级联预测方法，并进一步将时序信息级联预测方法分为基于随机游走（ Random walk的方法与基于扩散路径的方法，将拓扑信息级联预测方法分为基于全局拓扑结构的方法与基于邻域聚合的方法;并对每类方法进行详细的原理阐述与优缺点介绍，介绍了信息级联预测领堿常用的数据集与评价指标，在宏观与微观两种信息级联预测场景下对基于深度学习的信息级联预测算法进行实验对比，并讨论了一些信息级联预测算法中常用的算法实现细节。最后，总结了该领堿未来可能的研究方向与发展趋势。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
