微观级联预测的神经扩散模型

Dec, 2018

Neural Diffusion Model for Microscopic Cascade Prediction

Cheng Yang, Maosong Sun, Haoran Liu, Shiyi Han, Zhiyuan Liu...

TL;DR我们提出了一种基于神经扩散模型的微观级别的信息传播预测方法，它加入了注意机制和卷积网络的深度学习技术，能够更好地拟合真实世界的传播数据，并实现了相对改进高达 26% F1 分数。

Abstract

The prediction of information diffusion or cascade has attracted much attention over the last decade. Most cascade prediction works target on predicting cascade-level macroscopic properties such as the final size

information diffusion cascade prediction microscopic cascade prediction models neural diffusion model deep learning

发现论文，激发创造

基于拓扑的循环神经网络用于扩散预测

研究了在图上使用表示学习来辅助信息扩散预测的问题。引入了一种新的数据模型 diffiusion topologies，设计了 Topo-LSTM 来模拟动态有向无环图，并在真实数据中表现出优异的表现。

Nov, 2017

使用超参数扩散模型预测级联故障

通过信息传播模型，研究电网中的级联故障；通过将传染概率与信息串联模型相关联，建立了稳健的故障扩散模型，有效地预测级联故障传播，减少大规模级联故障的风险。

Jun, 2024

神经扩散模型

传播模型是生成任务中表现出色的模型，然而大部分传播模型仅允许对数据分布进行线性变换，相比之下，更广泛的转换可能有助于更高效地训练生成分布并消除真实负对数似然和变分近似之间的差距。在本文中，我们介绍了神经传播模型 (NDMs)，这是传统传播模型的泛化，可以定义和学习数据的时间相关的非线性转换。我们展示了如何在无需模拟的情况下使用变分上界来优化 NDMs。此外，我们导出了 NDMs 的时间连续形式，可以使用现成的数值 ODE 和 SDE 求解器进行快速可靠的推断。最后，我们通过在标准图像生成基准测试上的实验，包括 CIFAR-10、ImageNet 的降采样版本和 CelebA-HQ，展示了可学习转换的 NDMs 的实用性。NDMs 在似然度和生成高质量样本方面优于传统传播模型。

Oct, 2023

从微观到宏观：使用行为动力学揭示和预测信息瀑布过程

本文提出了一个新的方法来预测社交网络中的瀑布过程，使用行为动力学描述微观机制，提出了一个新的网络威布尔回归模型。本文通过数据驱动分析发现了常见的原则和模式，提出了一个可扩展的解决方案来近似瀑布过程和预测其累计过程。在大规模社交网络数据集上进行广泛评估，结果表明该方法在多项任务中可以显著优于其他最先进的基线模型。

May, 2015

神经平均场动力学的网络扩散

本文提出了一种基于神经平均场动力学的新型学习框架，用于解决网络扩散的推理和估计问题，该框架利用 Mori-Zwanzig 形式主义从节点感染概率的精确演化获得，形成一个高度结构化和可解释的 RNN，可用于联合学习扩散网络的结构和感染概率的演化，这是影响最大化等重要下游应用的基石。此外，本文还建立了参数学习和最优控制之间的联系。实证研究表明，我们的方法具有多样性和鲁棒性，可以在合成数据和真实世界数据上显著优于现有方法的准确性和效率。

Jun, 2020

从信息级联中学习用户特定的潜在影响力和易感性

以观察到的级联为基础，通过学习两个低维用户特定向量来预测级联动态，并捕捉他们的影响和易感性，从而更好地模拟依赖于上下文因素的信息传播效果。

Oct, 2013

级联扩散模型预测热带气旋

通过整合卫星成像、遥感和大气数据，利用扩散模型进行研究，采用级联方法进行气旋路径预测和降水模拟，从而实现具有高准确性的预测，适用于对预测需求迫切、且受限于资金的高度脆弱地区的特殊气象需求。

Oct, 2023

DeepCas: 一种端到端的信息串联预测器

研究了一种利用深度学习技术预测信息级联大小的方法，并发现该方法可以显著提高级联预测的性能。

Nov, 2016

揭示扩散网络的时间动态

针对在网络上的信息 / 影响 / 疾病扩散，本研究提出了一种基于离散网络的连续时间过程模型，通过已感染节点的传染事件推断全局扩散网络的边缘和每条边缘的传输速率，进而预测、影响和抑制感染传播。该模型具有稀疏解决方案，无需参数调整，可轻松适用于规模在数千到数十万的网络，实验证实了该算法的效果良好。

May, 2011

信息级联分析综述：模型，预测和最新进展

本文综述并分类信息流行度预测方法，包括特征工程、随机过程、图表示和基于深度学习的方法，并总结了现有研究的优缺点以及该领域的挑战和机遇。

May, 2020