跟着应酬媒体的迅速发展开云体育，信息传播的口头发生了弘大变化，尤其是在应酬汇注首，信息的传播经常发扬出级联式扩散的特色。这种征象不仅出咫尺微博的转发或科学论文的援用中，也体咫尺告白实行、病毒式营销等多个范围。怎么斟酌信息级联的传播限制和旅途，也曾成为信息科学、应酬麇集分析等范围的中枢问题。可是，应酬麇集的复杂性以及用户步履的异质性给信息级联斟酌带来了首要挑战。在这种配景下，深度学习动作一种遒劲的数据运行依次，缓缓成为信息级联斟酌的接洽热门。

传统的信息级联斟酌依次频繁依赖于特征工程、生成模子等时间，这些依次天然在一定进度上揭示了信息传播的端正，但其局限性也相配赫然。特征工程依次需要开阔东谈主工索要特征，难以捕捉复杂的传播口头；生成模子天然具备一定的阐发注解性，但在处理大限制和多模态数据时显过劲不从心。而深度学习模子则或者从海量数据中自动学习特征，尤其在处理时分序列、图结构和多模态数据方面展现出特有上风。基于此，作家的接洽对深度学习在信息级联斟酌中的应用进行了全面综述，梳理了现时的接洽近况，并衔尾对称性特色，暴虐了一种新的分类框架。

本接洽从斟酌筹划和斟酌依次两个维度对现存接洽进行了系统分类。在斟酌筹划方面，信息级联斟酌不错分为微不雅斟酌、宏不雅斟酌和多模范斟酌。微不雅斟酌照管节点层面的传播步履，旨在揭示要津节点高出影响旅途；宏不雅斟酌从全局麇集视角分析信息的传播限制与影响力；多模范斟酌试图同期捕捉微不雅步履和宏不雅口头，提供更全面的传播动态分析。在斟酌依次方面，作家将现存接洽分为基于拓扑结构的斟酌、基于内容特征的斟酌和基于大模子的斟酌。拓扑依次强调信息传播汇注首的结构特色，揭示对称结构对信息传播的优化作用，频繁接受图神经麇集等时间；内容依次聚焦于信息本人的语义特征，通过天然说话处理时间索要内容特色；大模子依次则充分把握了预考试说话模子和Transformer等先进时间，驱散了多模态和复杂场景的精确斟酌。深度学习依次在信息级联斟酌中的应用上风不言而喻。举例，图神经麇集或者灵验捕捉麇集节点之间的复杂关系，在建模动态麇集结构和斟酌节点步履方面发扬出色。基于内容的斟酌依次则把握文本、图像等多模态数据，更全面地分析信息的传播后劲。此外，预考试大模子的引入权贵普及了模子的斟酌精度。以Transformer为代表的大模子通过多头留心力机制，不仅或者捕捉信息传播的恒久依赖，还能处理及时动态数据。这些模子还具备整合多模态数据的才能，进一步鼓吹了信息级联斟酌的发展。

尽管获取了权贵进展，信息级联斟酌范围仍靠近诸多挑战。当先，多模态信息的交融仍然存在难点。不同模态之间的语义冗余和异构性加多了建模的复杂性。其次，信息传播的时分动态特色尚未得到充分接洽，尤其是怎么及时捕捉传播趋势并快速调度斟酌戒指。终末，大模子的可阐发注解性问题也亟待处置。在本体应用中，模子有研究的透明度和确凿度关于应酬媒体监测、危险照料等范围至关迫切。针对这些问题，作家暴虐了多模态信息交融、时分动态建模和大模子可阐发注解性等明天接洽标的，并建议进一步探索异构麇集结构的智能建模，以更全面地捕捉信息传播端正。

要而言之，本接洽系统梳理了深度学习在信息级联斟酌中的应用近况，从斟酌筹划和依次两个维度对现存接洽进行了分类，并详备研究了联系模子的上风与不及。此外，作家真切探讨了对称性在信息扩散汇注首的作用，揭示了汇注首对称结构怎么优化信息传播旅途，普及信息扩散的效果与级联传播的可斟酌性。这种对称性特征不仅有助于麇集节点间关系的平衡传递，还为信息级联建模提供了结构敛迹与优化依据，进一步促进了复杂汇注首传播端正的精确描述。深度学习时间凭借其遒劲的特征学习才能和多模态数据处理才能，为信息传播端正的接洽提供了全新视角，同期也权贵普及了斟酌的精确度与适用性。可是，跟着应酬麇集的束缚发展，信息传播历程日益复杂，接洽范围仍靠近诸多挑战，包括多模态信息交融、时分动态建模以及大模子的可阐发注解性等问题。明天的接洽应进一步优化多模态数据的整合依次，引入愈加高效的及时动态建模时间，并成立具有透明有研究机制的可阐发注解性模子，以应酬复杂社会麇集的传播环境。这些标的的真切探索，不仅将鼓吹学术接洽的跳跃，也将在舆情监测、危险照料和个性化推选等本体场景中阐扬更大的作用。

Wang, Z.; Wang, X.; Xiong, F.; Chen, H. A Survey of Deep Learning-Based Information Cascade Prediction. Symmetry 2024, 16, 1436. https://doi.org/10.3390/sym16111436

期刊主题涵盖了扫数科学接洽中联系对称/非对称征象的表面和应用接洽开云体育，主要包括数学、磋议机、工程与材料、物理学、人命科学、化学等范围的最新进展。期刊已被Scopus、SCIE (Web of Science)、CAPlus/SciFinder等多家闻明数据库收录。