- 追踪互动语言模型的观点
在这篇论文中，我们系统地研究了大型语言模型在通信网络中的信息传播，并引入了一种表示集合中各个模型观点的方法，从而形成了大规模语言模型的交流网络。
- 将哈密顿结构偏好注入深度图网络以实现长程传播
动态信息扩散在图内是一个影响图表示学习的重要课题，特别是在考虑长程传播时。为此，我们引入了（端口）哈密顿深度图网络，这是一个基于哈密顿动力系统守恒定律的新框架，通过在图中建模神经信息流来控制和调节信息的传播和衰减程度。我们将非耗散的长程传播 - Social-LLM: 使用语言模型和社交网络数据规模建模用户行为
社交网络数据的广泛增长为人类行为的广泛数据驱动型探索开辟了前所未有的机遇。然而，建模大规模社交网络数据面临计算挑战。为了应对这些挑战，我们提出了一种专门用于建模社交网络数据的创新方法，并结合了大型语言模型的功能。我们在七个真实世界的社交网络 - 机器学习驱动的图组合优化增强网络韧性：在网络防御和信息扩散中的应用
该论文旨在设计有效、高效、可扩展的技术，发现网络中的瓶颈节点和边，以增强网络的弹性，特别是在网络防御和信息传播的应用领域。
- SIGIR基于偏好增强的社交影响建模用于网络感知级联预测
该论文提出了一种新的框架来提高级联大小预测的准确性，通过三个阶段改进了用户偏好模型，即偏好主题生成，偏好转移建模和社会影响激活。实验表明相比现有模型，该模型更加准确和有效。
- 基于耦合图神经网络的社交平台流行度预测
在这篇论文中，我们提出了一种名为 CoupledGNN 的新方法，该方法使用两个耦合的图神经网络来捕捉节点激活状态和影响传播之间的相互作用，从而精确地预测社交平台上的信息传播。我们在 Sina Weibo 数据集上进行的实验证明，与各种现有 - 信息串联中的信息扭曲
通过对医学研究论文中信息传播的模拟与研究，发现迭代式摘要具有虚假扭曲的负面影响，而在迭代摘要过程中产生高质量摘要可以减少信息失真。此外，该研究还发现提取式摘要比生成式摘要更少受语义失真的影响。
- 微观级联预测的神经扩散模型
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。
- SIGIRSocialGCN：一种基于图卷积网络的高效社交推荐模型
本文提出了一种基于图卷积神经网络的社交推荐模型，通过捕捉信息在社交网络中的扩散进程来影响用户偏好，使得模型在两个真实数据集上展现出了很好的性能。
- 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。
- MM利用成对空间变换网络对图像病毒性进行建模
本文提出了一种新的算法，将病毒性预测问题重新定义为属性预测任务，并使用成对神经网络模型来模拟在线媒体图像的病毒性，对促进病毒性的特征提供了重要洞见，在预测方面比现有技术的平均值提高了 12％，我们还研究了外部类别监督对相对属性预测的影响，并 - 面向影响最大化的无模型在线学习
该论文考虑了社交网络中的影响最大化问题，提出了一种可快速从数据中学习的新颖参数化框架并开发了 LinUCB 算法来解决问题。
- NIPS使用多任务高斯 Copula 模型在隐式社交网络中检测有影响力的节点
本文提出了一种基于多任务低秩线性影响模型的信息扩散分析方法，该方法不仅可以同时预测每个传染事件（或话题）的数量，还可以自动识别每个传染事件的最有影响力的节点，从而提高预测性能并可靠地推断特定传染事件的最有影响力的用户。
- AAAI在社交媒体中区分主题和非主题信息传播机制
本文研究了在 Twitter 在线社交网络中通过哈希标签和 URL 传播的两种不同类型的信息的主题，并针对每个用于推断她的主题兴趣。通过引入信息扩散的新理论框架，本研究揭示了信息扩散的两个不同机制，即主题和非主题的信息传播，其中非主题信息传 - COEVOLVE: 信息传播与网络协同演化的联合点过程模型
该研究通过 COEVOLVE 模型研究信息传播和网络演化的动态，通过历史数据进行参数学习，证明该模型能够准确预测实际网络传播模式。
- 量化情感在社交媒体信息扩散中的影响
本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感 - 利用自然多样性重建传播网络并识别隐藏源
本研究提出了一种基于压缩感知的框架来重建随机扩散动力学下的复杂网络，并应用到模型和真实网络中。研究表明，从少量二元数据可以实现不均匀交互的全面重建。此外，该方法还可以确定并高度可信地定位隐含的触发扩散过程并在其外部不可访问的源，从而为追踪和 - Twitter 信息网络的突发动态
研究使用 Twitter 等在线社交媒体系统中用户发布和分享内容时及创建和破坏连接时，网络结构的动态变化，发现信息扩散会导致突发性的连接形成和网络结构变化，且信息内容的出现可以导致连边的创建和删除，提出了能量化网络动态和突发事件发生的模型。
- 利用偏微分方程模拟在线社交网络中的信息传播
本文对建立于局部距离上的反应扩散方程为基础的，由真实数据集验证的数学模型展开了讨论并提出了新的发展与挑战，旨在研究层次与主题对信息传播的影响。
- 有限的交流能力揭示了人类互动策略
通过开发一种检测关系激活 / 失活的方法并将其应用于一个大型的纵向交流数据集，研究表明相比于个体不断增长的互联程度的看法，人们的交流能力是有限的，尤其是随着时间的流逝。男性的通信能力总体上高于女性，且男女通信能力都会随着年龄的增长而逐渐降低