一种基于RNN的社交消息爆发预测模型
文献类型：期刊论文
| 作者 | 笱程成2; 秦宇君2; 田甜1; 伍大勇2; 刘悦2 ; 程学旗2
|
| 刊名 | 软件学报
 |
| 出版日期 | 2017 |
| 卷号 | 28.0期号:011页码:3030 |
| 关键词 | 循环神经网络 点随机过程 爆发预测 机器学习 社交网络 |
| ISSN号 | 1000-9825 |
| 英文摘要 | 社交网络中,消息的爆发预测属于社交网络流行动态分析的范畴,是社会计算领域的研究热点之一.通过利用基于深度循环神经网络对社交消息的传播过程进行建模,提出了SMOP（social messages outbreak prediction model based on recurrent neural network）模型.与传统的基于机器学习的模型相比,SMOP直接对消息转发的到达过程进行建模,避免了传统方法中繁琐的特征工程;与基于点随机过程的模型相比,SMOP可以自动学习消息传播过程的速率函数,不需要手动定义消息传播速率的特征函数,具有较强的数据场景适应性.另外,SMOP采用了时间向量和用户向量的输入表示方法,将时间的周期性和用户的兴趣偏好建模到传播过程之中,提升了SMOP的预测效果.在Twitter和新浪微博数据集上的实验结果均表明,SMOP具有优良的数据适应能力,可以在消息传播的早期（0.5h）,以较高的F1值预测某条社交消息是否爆发,验证了模型的有效性. |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/37541]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.解放军61755部队 2.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 笱程成,秦宇君,田甜,等. 一种基于RNN的社交消息爆发预测模型[J]. 软件学报,2017,28.0(011):3030. |
| APA | 笱程成,秦宇君,田甜,伍大勇,刘悦,&程学旗.(2017).一种基于RNN的社交消息爆发预测模型.软件学报,28.0(011),3030. |
| MLA | 笱程成,et al."一种基于RNN的社交消息爆发预测模型".软件学报 28.0.011(2017):3030. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。