Apprentissage de Représentations Probabilistes pour la Prédiction de Diffusions d’Informations sur les Réseaux Sociaux - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2016

Apprentissage de Représentations Probabilistes pour la Prédiction de Diffusions d’Informations sur les Réseaux Sociaux

Résumé

Le modèle Independent Cascades (IC) est un modèle central pour la capture des dynamiques de diffusion d’information sur les réseaux sociaux. Nous nous intéressons ici à l’apprentissage des probabilités de transmission utilisées par ce modèle. Plutôt que de directement travailler sur le graphe du réseau social considéré, ce qui implique un coût important dû au nombre de paramètres à apprendre pour les réseaux denses, nous proposons une approche basée sur des techniques d’apprentissage de représentations, afin d’alléger le processus et de gagner en généralisabilité. L’idée est de chercher une projection des utilisateurs du réseau dans un espace vectoriel, de manière à ce que les distances entre les individus représentent leurs probabilités de transmission d’information. Les expérimentations menées démontrent la pertinence de l’approche pour la modélisation des dynamiques de diffusion.
Fichier non déposé

Dates et versions

hal-01316884 , version 1 (17-05-2016)

Identifiants

  • HAL Id : hal-01316884 , version 1

Citer

Simon Bourigault, Sylvain Lamprier, Patrick Gallinari. Apprentissage de Représentations Probabilistes pour la Prédiction de Diffusions d’Informations sur les Réseaux Sociaux. COnférence en Recherche d'Information et Applications 2016 (CORIA), Mar 2016, Toulouse, France. pp.89-104. ⟨hal-01316884⟩
117 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More