Resumen

Las redes sociales y de información como Facebook, Twitter y Weibo se han convertido en las principales plataformas sociales para que el público comparta e intercambie información, donde podemos acceder fácilmente a las actividades de nuestros amigos y, a su vez, ser influenciados por ellos. En consecuencia, el análisis y modelado de la predicción del comportamiento de retweet de los usuarios tiene un importante valor de aplicación, como la difusión de información, el monitoreo de la opinión pública y la recomendación de productos. La mayoría de las soluciones existentes para la predicción del comportamiento de retweet de los usuarios suelen basarse en mapas de topología de red de difusión de información o en el diseño de diversas reglas hechas a mano para extraer características específicas del usuario y de la red. Sin embargo, estos métodos son muy complejos o dependen en gran medida del conocimiento de expertos en el dominio. Inspirados por el exitoso uso de las redes neuronales en el aprendizaje de representaciones, diseñamos un marco, UserRBPM, para explorar los posibles factores impulsadores y señales predecibles

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Redes sociales; Redes de información; Predicción del comportamiento de retweet de usuarios; Redes neuronales; Tecnología de incrustación de gráficos; Redes convolucionales de gráficos
• Keywords:Social; Information networks; User retweet behavior prediction; Neural networks; Graph embedding technology; Graph convolutional networks