媒体干预及用户信任的网络社区观点演化研究

从信任的角度出发,综合社区内外部因素构建了涉及成员间信任、领袖信任、媒体信任三方面的集成观点演化模型。通过仿真实验模拟社区环境,结果表明：社区内成员互信程度越高,成员观点开放程度越高,则社区观点演化至稳定态的速度越快。社区中意见领袖的作用需要通过长期作用才能突显,维持高程度的领袖信任以及较多的社交联系将有助于领袖引导社区观点向领袖观点靠近。社区成员对媒体的信任程度会影响媒体干预的效果,随着干预程度的增加逆反现象也会更加明显。成员对媒体持正面的印象将有助于社区观点向媒体观点靠近。     

基于图卷积神经网络的在线社区行为预测

在线知识社区中,问题的回答可以看作多个回答者用户(领域专家)之间的协作行为。协作行为在知识社区中通常是大规模地发生,协作行为预测对在线社交中领域专家的推荐有重要意义。基于在线知识社区中回答者用户之间的协作行为,构建以领域专家为节点,以他们之间的协作回答关系为边的协作网络。由于协作行为网络的构建与社交关系网络的构建上结构的相似性,可以将协作行为预测构建为协作网络中的链接预测问题。通过构建基于图卷积神经网络的链接预测模型,对在线知识社区中回答者用户的协作行为进行预测。基于“知乎”数据集的实验验证,与其他经典的预测方法进行比较时,发现提出的方法能够更加有效地预测在线知识社区中回答者用户之间的协作行为。     

基于时空网络的地铁进出站客流量预测

客流量预测是城市智能交通系统的重要组成部分,对人们出行和交通管控有着重要的指导意义。针对地铁客流量数据具有时间维度和空间维度属性的特点,提出一种可以同时捕获数据时空特征的预测模型。该模型基于编码器解码器架构设计,其中解码器和编码器均由时空预测模块组成,在该模块中利用图卷积学习地铁站的空间拓朴结构、门控循环单元来捕获数据的时间特征。此外,模型将单位时间间隔内进站和出站客流量分别构成的两个时间序列,即进出站双时间序列作为输入,最终协同预测各站点的进站与出站人数。在上海地铁一卡通数据集上进行对比实验,实验结果表明,所提出的模型在进站与出站客流量预测上均取得了更好的效果,这表明考虑空间依赖能够有效地提高模型预测精度。