论文速览｜有论文开始关注你的取消关注行为了（清华AAAI20）

Title： Mining Unfollow Behavior in Large-Scale Online Social Networks via Spatial-Temporal Interaction
Paper：  https://www.aaai.org/ojs/index.php/AAAI/article/view/5358
GitHub： https://github.com/wuhaozhe/Unfollow-Prediction

来源： AAAI 20
机构： 清华大学

在线社交网络（OSN）通过两种普遍的行为来发展：关注和取消关注，分别表示建立关系和解除关系。社会网络演化研究主要着重于关注行为，而取消关注行为在很大程度上被忽略了。挖掘取消关注行为具有挑战性，因为用户对取消关注行为的决定不仅受到用户属性（例如信息和互惠）的简单组合的影响，但也受他们之间复杂的交互作用的影响。同时，先前的数据集很少包含足够的记录来推断这种复杂的相互作用。为了解决这些问题，我们首先构建一个大规模的真实世界的微博数据集，记录了180万中国用户的详细帖子内容和关系动态。

接下来，我们将用户的属性定义为两类：空间属性（例如，用户的社会角色）和时间属性（例如，用户的帖子内容）。利用构建的数据集，我们系统地研究了用户的空间和时间属性之间的交互作用如何导致取消关注行为。之后，我们提出了UMHI，具有异构信息的统一模型，用于取消关注行为预测。

具体来说，我们的UMHI模型：

1. 通过社交网络结构捕获用户的空间属性；
2. 通过用户发布的内容和取消关注的历史来推断用户的时间属性。
3. 通过非线性MLP层对空间和时间属性之间的交互进行建模。

对构建的数据集的综合评估表明，所提出的UMHI模型在精度方面平均比基准方法高出16.44。此外，通过因素分析证明，空间属性和时间属性对于挖掘取消关注行为都是必不可少的。

<<< 左右滑动见更多 >>>

<<< 左右滑动见更多 >>>

<<< 左右滑动见更多 >>>

本文分享自微信公众号 - 图网络与机器学习（Graph-AI）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。

来源：oschina

链接：https://my.oschina.net/chengsen/blog/4694732