声明
摘要
1绪论
1.1背景和意义
1.2国内外研究现状
1.2.1 信息流行度预测研究
1.2.2 用户转发行为预测研究
1.2.3 信息传播路径预测研究
1.3 论文主要工作与结构
2相关理论和技术
2.1知识图谱
2.2表示学习
2.2.1 文本表示学习
2.2.2 网络表示学习
2.2.3 知识表示学习
2.3本章小结
3多重用户社交特征表示学习
3.1预处理
3.2用户社交内容特征表示学习
3.3用户社交结构特征表示学习
3.3.1基于知识图谱的用户关联程度计算
3.3.2基于node2vec的结构特征表示学习
3.4用户社交行为特征表示学习
3.4.1人工特征设计
3.4.2 基于SAE的人工特征编码
3.5本章小结
4基于图卷积网络的网络谣言传播预测
4.1图卷积网络
4.2模型整体结构
4.3模型的训练
4.4本章小结
5实验结果及其分析
5.1数据标注和预处理
5.1.1 社交网络数据集
5.1.2知识图谱数据集
5.1.3数据标注
5.1.4数据预处理
5.2实验环境和评估方法
5.3实验设计与结果分析
5.3.1 与基准方法对比实验
5.3.2 社交内容特征表示学习有效性验证实验
5.3.3 社交结构特征表示学习有效性验证实验
5.3.4 基于不同参数的对比实:验
5.3.5 基于不同特征组合的对比实验
5.4本章小结
6结论与展望
6.1本文工作的总结
6.2后续工作的展望
参考文献
攻读硕士期间发表的科研成果
致谢
武汉大学;