分享主题

基于深度学习的社交网络流行度预测研究
 
分享背景

随着诸如 Twitter、Facebook、新浪微博等社交平台的兴起，每天有成千上万的消息在这些平台上产生并传播。在如此大体量的消息中，我们如何能提前预测出这些消息未来的关注转发量（流行度），对于用户和平台而言都具有很大的意义。因此，本次公开课将围绕社交网络上的消息流行度预测问题进行展开，并针对现状，提出了一种基于深度学习技术的端到端流行度预测框架（DeepHawkes 模型）。该工作已被国际会议 CIKM 2017 录用并发表，对应的论文题目为《DeepHawkes: Bridging the Gap between Prediction and Understanding of Information Cascades》。

分享提纲

• 社交网络上消息流行度预测问题的背景简介
• 现有消息流行度预测的方法以及存在的问题
• 介绍分享者提出的基于深度学习技术的端到端流行度预测框架（DeepHawkes 模型）
• 对于流行度预测问题的一些思考以及心得体会

 
分享人

曹婍，目前就读于中国科学院计算技术研究所的网络数据科学与技术重点实验室，硕博生。硕士导师为沈华伟研究员，博士导师为李国杰院士。本科毕业于中国人民大学信息学院。目前主要研究方向为社交网络上的信息传播建模及预测。

分享时间

12月8日（周五） 20：00