Графові нейронні мережі та алгоритми PageRank у задачах прогнозування популярності хештегів у соціальних мережах

Анотація

У статті було досліджено сучасні графові нейронні мережі (GNN, Graph Neural Networks) та алгоритми PageRank як інструменти для вирішення задачі передбачення популярності хештегів у соціальних мережах. Розглянуто можливості й особливості їх застосування. В рамках дослідження було проаналізовано наявні методи та підходи для вирішення цієї задачі й виявлено можливість їх вдосконалення. Актуальність дослідження зумовлена стрімким зростанням обсягів інформації в соціальних мережах та необхідністю ефективного аналізу її поширення. Також було розглянуто поняття хештегів та їх структурні особливості й поведінку в соціальних медіа, представлено модель прогнозування їх популярності в соціальних мережах на основі графових нейронних мереж та алгоритмів PageRank. Проведено аналіз сучасних архітектур GNN, розглянуто етапи та особливості їх роботи. А також було розглянуто модифікації PageRank, зокрема Time-constrained Personalized PageRank. При порівнянні з іншими моделями для вирішення аналогічних завдань було виділено переваги та недоліки пропонованої моделі з використанням графових нейронних мереж в комбінації з алгоритмом PageRank. Перевагою представленої моделі прогнозування є зокрема те, що вона допоможе також врахувати вплив користувачів та їх роль в популяризації контенту, що дозволяє краще зрозуміти динаміку розповсюдження інформації у соціальних мережах. Крім цього наведено результати дослідження, які підтверджують ефективність комбінованого підходу в порівнянні з класичними алгоритмами машинного навчання. Також в дослідженні було виявлено сильні та слабкі сторони пропонованої моделі й наведено практичні рекомендації для використання. Отримані результати можуть бути корисними, наприклад, для вирішення задач контентного аналізу, таргетованої реклами та управління інформаційними потоками в соціальних медіа