KDDJun, 2024
作者、内容还是分享者？贝叶斯混合 Hawkes 模型估计传播动力学
Author, Content or Sharers? Estimating Spread Dynamics with Bayesian Mixture Hawkes
Pio Calderon, Marian-Andrei Rizoiu
TL;DR社交媒体上的内容传播受到三个层面的相互影响因素的塑造：源头、内容本身和传播途径。本文提出了贝叶斯混合霍克斯模型，共同学习源头、内容和传播的影响。我们将 BMH 模型制定为可分离霍克斯过程的分层混合模型，适应不同类别的霍克斯动力学和特征集对这些类别的影响。我们将 BMH 模型应用于两个真实世界的转推级联数据集的两个学习任务：冷启动热度预测和时间特征广义性能。BMH 模型在这两个数据集上表现优于现有模型和预测基准，并比其他选项更好地利用了级联和项目级别的信息。最后，我们进行了一个反事实分析，将训练的出版商级别 BMH 模型应用于一组文章标题，并展示了标题写作方式（中立、点击诱导、煽动性）在不同出版商之间的有效性差异。BMH 模型揭示了具有争议性和有声望的出版商之间的风格有效性差异，我们发现点击诱导对有声望的出版商而言比争议性出版商更加有效，这与后者过度使用点击诱导的情况相关。