基于CNN-GRU的移动APP流行度预测模型

作     者：宋育苗 于金霞 

作者机构：河南理工大学计算机科学与技术学院 

出 版 物：《重庆邮电大学学报(自然科学版)》 (Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition))

年 卷 期：2024年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 081202[工学-计算机软件与理论] 

基　　金：河南省高校科技创新团队支持计划（20IRTSTHN013） 

主　　题：移动APP 流行度预测 注意力机制 CNN GRU 

摘      要：移动APP流行度预测对应用推荐、广告投放等意义重大。但是现有方法大多依赖手工特征工程，工作量大且效率较低。为此，提出一种基于深度神经网络的移动APP流行度预测模型。利用最大信息系数进行特征相关性分析以确保特征选取有效性; 结合历史流行度特征，通过门循环单元（gate recurrent unit，GRU）和注意力机制构建长期演化模型来推演发展趋势，基于多尺度卷积神经网络（convolutional neural networks，CNN）和注意力机制构建短期波动模型以实现预测动态优化;结合其他重要特征利用GRU和注意力机制建立多因素影响模型。通过时间注意力模块将上述模型融合，实现流行度预测。实验结果表明，所提模型在移动APP流行度预测方面相对更为精准有效。