Search Results for author:
Found 3 papers, 1 papers with code
基于多质心异质图学习的社交网络用户建模(User Representation Learning based on Multi-centroid Heterogeneous Graph Neural Networks)
“用户建模已经引起了学术界和工业界的广泛关注。现有的方法大多侧重于将用户间的人际关系融入社区, 而用户生成的内容(如帖子)却没有得到很好的研究。在本文中, 我们通过实际舆情传播相关的分析表明, 在舆情传播过程中对用户属性进行研究的重要作用, 并且提出了用户资料数据的筛选方法。同时, 我们提出了一种通过异构多质心图池为用户捕获更多不同社区特征的建模。我们首先构造了一个由用户和关键字组成的异质图, 并在其上采用了一个异质图神经网络。为了方便用户建模的图表示, 提出了一种多质心图池化机制, 将多质心的集群特征融入到表示学习中。在三个基准数据集上的大量实验表明了该方法的有效性。”
A Progressive Framework for Role-Aware Rumor Resolution
Existing works on rumor resolution have shown great potential in recognizing word appearance and user participation.
Modeling Evolution of Message Interaction for Rumor Resolution
Previous work for rumor resolution concentrates on exploiting time-series characteristics or modeling topology structure separately.
Cannot find the paper you are looking for? You can
Submit a new open access paper.
