隨著移動互聯網的發展和智能手機的普及，短視頻因制作簡單、信息量大、代入感強，已成為當前最具熱度和代表性的傳播形態，備受廣大網民青睞。對短視頻的流行度進行預測不僅可以幫助短視頻平臺高效地管理信息，優化內容推薦，還可以幫助政府相關機構監測社會輿論的動向，預警可能涉及的敏感話題和事件。

預測短視頻的流行度不僅有助于短視頻平臺高效地管理信息，還可以對社會輿情進行監控。針對已有工作僅考慮短視頻多模態內容特征構建流行度預測模型這一現實情況，本文基于網絡表示學習，提出融合短視頻內容和網絡結構特征的流行度預測模型。首先，基于爬取的抖音數據構建包含短視頻、發布者和評論者節點，以及發布和評論關系的異質信息網絡，將其映射為短視頻和發布者兩個同質網絡，選擇node2vec算法表征網絡結構，作為網絡模態；其次，提取短視頻的多模態內容特征，采用低秩多視圖子空間學習方法融合短視頻內容和結構特征，作為流行度預測模型的輸入；最后，構建短視頻流行度預測的多層感知機回歸模型，并進行對比和消融實驗。結果表明，融合網絡結構能夠降低短視頻流行度預測的誤差，各模態對短視頻流行度預測的影響程度依次為文本、網絡、社交、音頻和視覺模態。本文融合了短視頻內容和網絡結構特征，為基于特征工程的短視頻流行度預測提供了新思路。

與基線方法的對比實驗表明，綜合考慮短視頻網絡結構和內容特征的流行度預測方法具有優越性。消融實驗進一步證實了短視頻流行度預測中考慮網絡模態的必要性。該方法不僅突破了當前工作主要基于特征工程預測短視頻流行度的研究框架，而且可為短視頻平臺優化信息管理和內容推薦，相關機構有效監管網絡輿論，以及短視頻創作者制作高質量視頻提供了參考。

這篇論文是4位作者共同的研究成果，在此一并表示感謝。

《情報學報》是中國科學技術情報學會會刊，由中國科學技術協會主管，由中國科學技術情報學會、中國科學技術信息研究所主辦。本刊創刊于1982年，重點關注信息、知識、情報相關的理論、方法、技術與應用，內容包括：信息搜集與過濾、信息組織與檢索、信息分析與服務，知識獲取與構建、知識組織與標引、知識利用與服務，情報收集與監測、情報分析與轉化、情報傳遞與服務等。特別歡迎有數據基礎、方法或技術上有創新、理論與實踐結合緊密的論文。《情報學報》是國家自然科學基金委管理科學部認定的A類期刊，同時收錄于北大《中文核心期刊要目總覽》、南大《中文社會科學引文索引》（CSSCI）、社科院《中國人文社會科學核心期刊要覽》、武大《中國學術期刊評價研究報告》、中國科學技術信息研究所《中國科技期刊引證報告》，是我校高質量學術成果目錄A類三級期刊。

個人簡介：

朱恒民，南京航空航天大學工學博士，南京大學情報學博士后，美國威斯康星大學密爾沃基分校訪問學者。現為南京郵電大學教授，碩士生導師，江蘇科技大學博士生導師（兼職），南京郵電大學電子商務國家級一流專業建設點負責人，入選江蘇省高校“青藍工程”中青年學術帶頭人。

近年來，主要研究方向包括信息管理和網絡輿情分析。圍繞信息管理研究方向，擅長使用數據分析和數據挖掘技術解決企業和商務中的管理問題。圍繞輿情分析這一方向，先后主持國家自然科學基金面上項目3項，運用復雜網絡理論和機器學習、深度學習等方法，對互聯網輿情演化機理和群體行為建模、互聯網輿情的傳播擴散趨勢預測，以及短視頻輿情的信息處理與表示學習展開了深入研究。歡迎對相關領域話題感興趣的老師和同學聯系朱老師！郵箱：zhuhm@njupt.edu.cn.