公开(公告)号：CN115495669A

公开(公告)日：2022-12-20

申请号：CN202211120976.3

申请日：2022-09-15

Applicant: 人民网股份有限公司 ,  天津大学

Inventor： 谢宗霞 ,  蔡宇昊

IPC: G06F16/9536 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合多尺度级联与时序特征的社交媒体内容热度预测方法，包括：利用社交媒体内容早期传播特征，按照不同大小尺度的时间窗处理分别得到多尺度级联图以及热度趋势序列；应用图卷积神经网络对多尺度级联图序列进行嵌入及利用一维卷积提取多尺度趋势短期动态特征，通过不同的Transformer Encoder提取多尺度级联图和趋势动态特征；利用时间窗选择网络实现多尺度特征融合：网络模型训练完毕，输入要预测的社交媒体的早期多尺度级联图和热度趋势序列，输出未来一段时间内社交媒体内容热度增长预测值。本发明通过有效融合多尺度级联图特征与趋势特征，相比单一尺度的方法有更好的预测效果，能获得全局性更优、泛化性能更好的预测结果。

公开(公告)号：CN114357271A

公开(公告)日：2022-04-15

申请号：CN202111470982.7

申请日：2021-12-03

Applicant: 天津大学

Inventor： 谢宗霞 ,  崔树宇 ,  蔡宇昊

IPC: G06F16/951 ,  G06N3/04

Abstract: 本发明公开了一种基于图神经网络融合文本和时序信息的微博热度预测方法，利用滑动窗口数据集划分方法将预处理后的数据按照微博发出的时间进行排序和分割，按照固定的步长按照时间轴将数据集划分拆分为若干个数据子集；构建文本子图和时序子图，后输入至一个无监督的图神经网络模型，使用该模型得到所有的本文子图和时序子图中微博节点的特征表示，将其与微博发出一段时间的热度趋势信息融合，按照微博ID进行数据对齐，最后通过多层感知机对微博整个生命周期的热度进行预测。本发明考虑微博之间的相互影响的同时在一定程度上解决了模型无法对新发出的微博无法预测的问题，在使用时序信息较少的情况下能够迅速对新发出的微博取得较好的预测结果。

公开(公告)号：CN114357271B

公开(公告)日：2024-09-03

申请号：CN202111470982.7

申请日：2021-12-03

Applicant: 天津大学

Inventor： 谢宗霞 ,  崔树宇 ,  蔡宇昊

IPC: G06F16/951 ,  G06N3/042 ,  G06N3/088

Abstract: 本发明公开了一种基于图神经网络融合文本和时序信息的微博热度预测方法，利用滑动窗口数据集划分方法将预处理后的数据按照微博发出的时间进行排序和分割，按照固定的步长按照时间轴将数据集划分拆分为若干个数据子集；构建文本子图和时序子图，后输入至一个无监督的图神经网络模型，使用该模型得到所有的本文子图和时序子图中微博节点的特征表示，将其与微博发出一段时间的热度趋势信息融合，按照微博ID进行数据对齐，最后通过多层感知机对微博整个生命周期的热度进行预测。本发明考虑微博之间的相互影响的同时在一定程度上解决了模型无法对新发出的微博无法预测的问题，在使用时序信息较少的情况下能够迅速对新发出的微博取得较好的预测结果。