COEVOLVE：信息扩散和网络演化的联合点过程模型
Mehrdad Farajtabar、Yichen Wang、Manuel Gomez-Rodriguez、Shuang Li、Hongyuan Zha、Le Song; 18(41):1−49, 2017.
摘要
在线社交网络中的信息传播受到底层网络拓扑结构的影响，但它也有改变它的能力。在线用户在接触新信息源时不断创建新链接，反过来这些链接又交替着信息传播的方式。然而，这两个高度交织的随机过程，即信息扩散和网络演化，已被主要研究分别地，忽略了它们的共同进化动力学。
我们为这种联合动力学提出了一个时间点过程模型Coevolve，允许一个过程的强度被另一个过程调节。该模型允许我们有效地模拟交错扩散和网络事件，并生成符合在真实网络（如Twitter）中观察到的常见扩散和网络模式的跟踪。此外，我们还开发了一个凸优化框架，以从历史扩散和网络演化轨迹中学习模型参数。我们用合成数据和从推特上收集的数据进行了实验，结果表明，我们的模型能够很好地拟合数据，并且比其他模型的预测更准确。
[腹肌]
[pdf格式][围兜]
