1.一种社交网络信息扩散预测方法,其特征在于,包括:
获取社交媒体的扩散消息;
根据所述扩散消息和所述扩散消息对应的扩散级联构建动态扩散树集和扩散过程的邻接矩阵;
对所述动态扩散树集中的动态扩散树进行重构,得到异质信息二部图;根据用户节点u和扩散消息m之间的转发关系,以用户节点u作为中介,连接所有重构扩散树构造异质信息二部图其中εr是用户节点与扩散消息之间的无向边集;
根据所述动态扩散树集和所述扩散过程的邻接矩阵进行局部扩散表征学习和融合,得到用户局部扩散表征;
根据所述用户局部扩散表征和所述异质信息二部图进行全局表征学习,得到用户全局扩散表征;
根据所述用户局部扩散表征和所述用户全局扩散表征利用注意力机制方法进行信息扩散预测,得到扩散表征和扩散概率。
2.根据权利要求1所述的社交网络信息扩散预测方法,其特征在于,所述根据所述扩散消息和所述扩散消息对应的扩散级联构建动态扩散树集和扩散过程的邻接矩阵,具体包括:根据所述扩散消息和所述扩散消息对应的扩散级联构建动态扩散树;
对每个所述动态扩散树的所有扩散过程进行扩散时间赋值和收集,得到动态扩散树集和扩散过程的邻接矩阵。
3.根据权利要求1所述的社交网络信息扩散预测方法,其特征在于,所述对所述动态扩散树集中的动态扩散树进行重构,得到异质信息二部图,具体包括:删除所述动态扩散树中的所有边,并以所述扩散消息为根节点,以用户节点为一阶叶节点,按照设定深度进行重构,得到重构扩散树;
按照所述扩散消息的编号对所述重构扩散树进行收集,得到重构扩散树集;
根据用户节点连接所述重构扩散树集中的所有重构扩散树,得到异质信息二部图。
4.根据权利要求1所述的社交网络信息扩散预测方法,其特征在于,所述根据所述动态扩散树集和所述扩散过程的邻接矩阵进行局部扩散表征学习和融合,得到用户局部扩散表征,具体包括:根据所述扩散过程的邻接矩阵对所述动态扩散树集中的每个所述动态扩散树的所有用户节点进行局部扩散表征学习,得到第一局部扩散表征;
将相同用户的不同扩散消息对应的所述第一局部扩散表征进行融合,得到用户局部扩散表征。
5.根据权利要求1所述的社交网络信息扩散预测方法,其特征在于,所述根据所述用户局部扩散表征和所述异质信息二部图进行全局表征学习,得到用户全局扩散表征,具体包括:根据所述异质信息二部图中的用户节点和消息节点进行表征学习,得到消息节点与用户节点的注意力权重;
根据所述消息节点与所述用户节点的注意力权重和用户局部扩散表征利用图注意力网络进行全局表征学习,得到用户全局扩散表征。
6.根据权利要求1所述的社交网络信息扩散预测方法,其特征在于,所述根据所述用户局部扩散表征和所述用户全局扩散表征利用注意力机制方法进行信息扩散预测,得到扩散表征和扩散概率,具体包括:根据所述用户局部扩散表征和所述用户全局扩散表征利用启发式算法进行融合,得到用户扩散表征;
根据所述用户扩散表征利用注意力机制方法进行信息扩散预测,得到扩散表征和扩散概率。
7.一种社交网络信息扩散预测系统,其特征在于,包括:
获取模块,用于获取社交媒体的扩散消息;
局部扩散构建模块,用于根据所述扩散消息和所述扩散消息对应的扩散级联构建动态扩散树集和扩散过程的邻接矩阵;
全局扩散重构模块,用于对所述动态扩散树集中的动态扩散树进行重构,得到异质信息二部图;根据用户节点u和扩散消息m之间的转发关系,以用户节点u作为中介,连接所有重构扩散树构造异质信息二部图其中εr是用户节点与扩散消息之间的无向边集;
局部扩散表征学习模块,用于根据所述动态扩散树集和所述扩散过程的邻接矩阵进行局部扩散表征学习和融合,得到用户局部扩散表征;
全局扩散表征学习模块,用于根据所述用户局部扩散表征和所述异质信息二部图进行全局表征学习,得到用户全局扩散表征;
信息扩散预测模块,用于根据所述用户局部扩散表征和所述用户全局扩散表征利用注意力机制方法进行信息扩散预测,得到扩散表征和扩散概率。
8.根据权利要求7所述的社交网络信息扩散预测系统,其特征在于,所述局部扩散构建模块,具体包括:构建单元,用于根据所述扩散消息和所述扩散消息对应的扩散级联构建动态扩散树;
扩散时间赋值和收集单元,用于对每个所述动态扩散树的所有扩散过程进行扩散时间赋值和收集,得到动态扩散树集和扩散过程的邻接矩阵。