计算机应用研究

作者：苗琛香,刘小洋,

单位：重庆理工大学计算机科学与工程学院,重庆400054；

关键词：超图,图卷积网络,门控机制,多头注意力机制,扩散预测,

基金：重庆市教委人文社科重点项目(23SKGH247)；国家教育考试科研规划2021年度课题(GJK2021028)；；

针对传统的信息预测缺乏对用户全局性依赖挖掘进行研究，提出了一种融合超图注意力机制与图卷积网络的信息扩散预测模型（HGACN）。首先构建用户社交关系子图，采样获得子级联序列，输入图卷积神经网络学习用户社交关系结构特征；其次，综合考虑用户间和级联间的全局依赖，采用超图注意机制（HGAT）学习用户不同时间间隔的交互特征；最后，将学习到的用户表示捕获到嵌入模块，利用门控机制将其融合获得更具表现力的用户表示，利用带掩码的多头注意力机制进行信息预测。在Twitter等五个数据集上的实验结果表明，提出的HGACN模型在hits@N提高了4.4%，map@N提高了2.2%，都显著优于已有的MS-HGAT等扩散预测模型，证明HGACN模型是合理、有效的。这对谣言监测以及恶意账户的检测有非常重大的意义。

来源：2023年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第6期