公开(公告)号：CN111966829B

公开(公告)日：2022-03-15

申请号：CN202010738271.2

申请日：2020-07-28

Applicant: 电子科技大学

Inventor： 田玲 ,  罗光春 ,  陈爱国 ,  张栗粽 ,  唐文佚 ,  吴东东

IPC: G06F16/35 ,  G06F16/9532 ,  G06F40/289

Abstract: 本发明公开了一种基于深度生存分析的网络话题爆发时间预测方法，属于网络话题预测领域。本发明包括以下步骤：获得数值时间序列数据，将网络话题相关数值量转化为时间序列；获得文本时间序列数据，将网络话题相关时变文本转化为时间序列；获得文本特征时间序列，基于所设置的文本特征提取器，通过文本时间序列数据获得文本特征时间序列；构建基于生存分析的深度学习模型，深度生存模块进行回归预测，输出话题危险率；模型训练，模型训练基于全新设计的损失函数进行训练；确定判断阈值，通过枚举法找到最优判断阈值，实现网络话题爆发时间预测。本发明用于网络话题的爆发预测，能有效提升预测准确性。

公开(公告)号：CN111966829A

公开(公告)日：2020-11-20

申请号：CN202010738271.2

申请日：2020-07-28

Applicant: 电子科技大学

Inventor： 田玲 ,  罗光春 ,  陈爱国 ,  张栗粽 ,  唐文佚 ,  吴东东

IPC: G06F16/35 ,  G06F16/9532 ,  G06F40/289

Abstract: 本发明公开了一种基于深度生存分析的网络话题爆发时间预测方法，属于网络话题预测领域。本发明包括以下步骤：获得数值时间序列数据，将网络话题相关数值量转化为时间序列；获得文本时间序列数据，将网络话题相关时变文本转化为时间序列；获得文本特征时间序列，基于所设置的文本特征提取器，通过文本时间序列数据获得文本特征时间序列；构建基于生存分析的深度学习模型，深度生存模块进行回归预测，输出话题危险率；模型训练，模型训练基于全新设计的损失函数进行训练；确定判断阈值，通过枚举法找到最优判断阈值，实现网络话题爆发时间预测。本发明用于网络话题的爆发预测，能有效提升预测准确性。