| ABSTRACT | 第5页 |
| 摘要 | 第6-11页 |
| 1. Introduction | 第11-13页 |
| 1.1 Motivation | 第11-13页 |
| 2. Related work | 第13-26页 |
| 2.1 Information Diffusion and Concepts | 第13-22页 |
| 2.2 Information Diffusion Models | 第22-26页 |
| 3 Embeddings based models | 第26-33页 |
| 3.1 Embeddings | 第26页 |
| 3.2 Notation | 第26-27页 |
| 3.3 Tf-Idf | 第27-28页 |
| 3.4 Word embeddings | 第28页 |
| 3.5 Knowledge graph embeddings | 第28-29页 |
| 3.6 Learning diffusion | 第29-33页 |
| 4. Experiment and results | 第33-41页 |
| 4.1 Baselines | 第34页 |
| Mean—rank | 第34页 |
| Nb_app | 第34页 |
| Cdk | 第34页 |
| 4.2 Evaluation measure | 第34-41页 |
| MAP | 第34-38页 |
| Cascade prediction: | 第34-38页 |
| Datasets Description | 第38-40页 |
| Memetracker | 第38-39页 |
| Digg | 第39页 |
| Irvine | 第39-40页 |
| Advantages of Embedded Based Models | 第40-41页 |
| 5. Conclusion | 第41-42页 |
| References | 第42-47页 |
| Appendices | 第47-62页 |
| Appendix A | 第47-62页 |
| Appendix B | 第62页 |
