买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京交通大学

摘要：本发明属于智能互联网热度预测技术领域，涉及一种基于邻居感知表示学习的在线生成内容热度预测方法，包括：利用通用先验知识初始化传播级联中每个用户的特征表示；利用自激励机制，通过聚合用户下游邻居学习更新每个用户的特征表示；利用时间间隔效应，为每个用户聚合邻居影响力表示；利用时间衰减效应，获得观察时间窗口截止时刻的影响力表示；将观察时间窗口截止时刻的影响力表示加和池化，得到传播级联的特征表示；将传播级联的特征表示映射到其最终热度增量。本发明融合在线生成内容传播热度增长机制，具有良好的可解释性；针对在线生成内容的最终热度，以端到端的方式建模热度增长动态过程，具备较优的预测能力。

主权项：1.一种基于邻居感知表示学习的在线生成内容热度预测方法，其特征在于，包括以下步骤：S1、利用通用的先验知识初始化传播级联中每个用户的特征表示；将每个用户的到达时刻转化为一个独热编码；S2、利用自激励机制，通过聚合用户的下游邻居学习更新每个用户的特征表示；在学习更新每个用户的特征表示时，只考虑观察时间窗口内用户结点的直接邻居；S3、利用时间间隔效应，为传播级联中的每个用户聚合其邻居的影响力表示；S4、利用时间衰减效应，获得观察时间窗口截止时刻T的影响力表示；S5、将观察时间窗口截止时刻T的影响力表示进行加和池化，得到传播级联的特征表示S6、将传播级联的特征表示映射到其最终热度增量步骤S2的具体步骤为：采用邻居聚合层自动学习更新传播级联中每个用户的特征表示；所述邻居聚合层的输入是一组根据用户到达时刻进行初始化的特征表示n表示传播级联观察时间窗口内的用户数；通过线性变换将x转换为更高层次的特征表示h，如式2所示，h＝ReLUWx2其中，且W是一个权值矩阵，ReLU·是激活函数；步骤S3的具体步骤为：引入时间间隔效应函数λ·，计算不同时间间隔所对应的权重系数，然后根据权重系数对不同的邻居用户特征表示h进行线性组合，作为目标用户i的影响力表示如式3所示， 其中，tj表示：第j个用户的到达时刻；步骤S4的具体步骤为：使用非参数函数μ·近似时间衰减函数，并通过端到端的方式自动学习；根据已学习到的传播级联中的用户i的影响力表示进一步将其乘以时间衰减系数，得到其在观察时间窗口截止时刻T的影响力表示计算方式如式5所示，

全文数据：

权利要求：

百度查询： 北京交通大学 基于邻居感知表示学习的在线生成内容热度预测方法