一种基于时序超图注意力神经网络的信息扩散预测方法

摘要

本发明公开了一种基于时序超图注意力神经网络的信息扩散预测方法，从用户的静态友谊网络和动态交互网络的两个方面共同学习用户的偏好来预测信息扩散。其中，该方法不仅利用图卷积神经网络从用户的友谊网络中捕获用户的静态依赖关系，并且还创新地设计了一个超图注意力网络，从而从序列化的信息扩散超图中动态学习用户在级联层面的交互，级联之间的联系。根据待预测的级联特征，嵌入查找模块分别从所获得的两个方面的用户表示向量中查找对应用户的向量，以便进行下一步的交互学习。最后利用两个自注意力模块分别对从上述两个方面所获得的级联表示进行内部的深度交互学习，以预测下一个被影响的用户，从而实现对网络信息扩散的逐步预测。