MS-HGAT: 基于记忆增强序列超图注意力网络的信息扩散预测

本文介绍西安交通大学饶元教授团队于2022年发表在AAAI上的一篇文章: “MS-HGAT: Memory-enhanced Sequential Hypergraph Attention Network for Information Diffusion Prediction”。预测扩散级联是了解信息在社交网络上传播的关键任务。这里作者提出了一种新的信息扩散预测模型——记忆增强序列超图注意网络(MS-HGAT)。具体来说，为了引入用户的全局依赖关系，这里不仅利用了他们的友谊，而且考虑了他们在级联级别上的交互。此外，为了动态捕捉用户的喜好，作者将扩散超图划分为基于时间戳的子图，开发hypergraph Attention Networks来学习顺序超图，并使用门控融合策略将其连接起来。此外，提出了一种内存增强的嵌入查找模块，将学习到的用户表示捕获到级联特定的嵌入空间，从而突出了级联内部的特征交互。在四个真实数据集上的实验结果表明，MS-HGAT在[email protected]和[email protected]指标上都明显优于最先进的扩散预测模型。

文章链接：

https://www.aaai.org/AAAI22Papers/AAAI-4362.SunL.pdf