基于扩散序列与网络结构的用户表示联合学习框架
来源：计算机应用与软件杂志2024年第10期北京时间：
作者：肖菡, 郭亚楠, 宋帆
摘要：为了充分挖掘扩散信息与网络结构之间的相关性，该文提出一种基于扩散序列与网络结构的用户表示联合学习框架。通过分别定义在观测信息扩散序列和社交网络结构上的两个最大似然估计目标来学习用户表示，并且设计一种基于表示学习的多任务学习算法用于模型优化。此外，设计一个基于抽样的算法优化所提出的关节模型。在两个社交媒体数据集上的实验表明，该模型能够在扩散预测和链路预测任务上取得较好的预测效果，并且具有更好的鲁棒性。
关键词：扩散序列, 网络结构, 链路预测, 表示学习
