检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于社交圈层和注意力机制的信息热度预测

计算机学报 2021年第5期44卷 921-936页

作者：郑作武邵斯绮高晓沨陈贵海上海交通大学计算机科学与工程系上海200240

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑... 详细信息

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑到社交网络中用户的社交圈层对于信息传播的作用.本文提出了一种基于社交圈层和注意力机制的热度预测模型SCAP(Social Circle and Attention based Popularity Prediction),首先对社交圈层进行定义,通过自动编码器提取用户历史文本序列的特征,对不同用户的社交圈层进行聚类划分,得到社交圈层特征.进而对于一条新发布的文本信息,通过长短期记忆网络与嵌入层提取其文本特征、用户特征和时序特征,并基于注意力机制,捕获到不同社交圈层对于该文本信息的影响程度,得到社交圈层注意力特征.最后将文本特征、用户特征、时序特征和社交圈层注意力特征进行特征融合,并通过两个全连接层进行建模学习,对社交信息的热度进行预测.在推特、微博和豆瓣等四个数据集上的实验结果表明,SCAP模型的预测表现相比于多个对比模型总体呈优,在不同数据集上均方误差(MSE)分别降低了0.017,0.022,0.021和0.031,F1分数分别提升0.034,0.021,0.034和0.025,能够较为准确地预测社交信息的热度.本文同时探究了不同实验参数对于模型的影响效果,如用户历史文本序列的数量、社交圈层的数量和时间序列的长度,最后验证了模型输入的各个特征和注意力机制的引入对于模型预测性能提升的有效性,在推特数据集中,引入社交圈层和注意力机制,模型的MSE指标分别降低了0.065和0.019.

关键词：社交网络热度预测社交圈层注意力机制用户偏好

LSM树中基于热度预测的异构布隆过滤器方案

在线全文

学校读者我要写书评

暂无评论

电子学报 2021年第11期49卷 2090-2095页

作者：俞加平陈华辉钱江波董一鸿宁波大学信息科学与工程学院浙江宁波315211

日志结构合并(Log-Structured-Merge,LSM)树中常使用布隆过滤器减少无效磁盘I/O.但是用户无法无限制地细化布隆过滤器的粒度,原因是在一些数据量庞大而数据项较小的工作流中,这些元数据需要占用大量存储空间.其次在一些内存受限的环境下... 详细信息

日志结构合并(Log-Structured-Merge,LSM)树中常使用布隆过滤器减少无效磁盘I/O.但是用户无法无限制地细化布隆过滤器的粒度,原因是在一些数据量庞大而数据项较小的工作流中,这些元数据需要占用大量存储空间.其次在一些内存受限的环境下,内存缓冲区无法容纳更多的过滤器数据,造成缓冲区与磁盘的频繁数据交换.针对上述问题本文提出LSM树中的异构布隆过滤器方案,在LSM树的每一层维护热度预测模型,新生成的SSTable通过预测的热度来分配不同粒度的布隆过滤器,然后使用特定缓存管理方案来维护缓存中的过滤器数据并处理工作流热度发生改变的情况.实验证明,本文的方案在保持相同外存占用与内存消耗的情况下,读取吞吐量比采用原始LSM树结构的LevelDB提升22%~53%.

关键词：日志结构合并树键值存储读取性能布隆过滤器存储管理热度预测

在线全文

学校读者我要写书评

暂无评论

基于情感分析和热度预测的网络舆情预测研究

西安石油大学学报（自然科学版） 2024年第1期39卷 135-142页

作者：赵嵩正魏娜李美彦高鹏飞顾珣皓西北工业大学管理学院陕西西安710129 中兴通讯股份有限公司江苏南京210012

在社交媒体平台已成为大众信息交流的重要载体的背景下,关注和分析大众对于社会热点事件的情感倾向及舆论走势,有利于及时准确了解大众的情感需求,制定相应的措施,引导舆论走向,维护良好的网络环境。提出了基于情感分析和热度预测的网... 详细信息

在社交媒体平台已成为大众信息交流的重要载体的背景下,关注和分析大众对于社会热点事件的情感倾向及舆论走势,有利于及时准确了解大众的情感需求,制定相应的措施,引导舆论走向,维护良好的网络环境。提出了基于情感分析和热度预测的网络舆情预测思路,构建了融合多特征的文本情感分析模型和基于时间序列的热度预测模型,并基于真实数据集验证了模型的有效性。对于社交媒体上舆论环境的分析和预测有重要意义。

关键词：网络舆情预测情感分析热度预测深度学习

在线全文

学校读者我要写书评

暂无评论

微博热度预测研究综述

数据与计算发展前沿 2023年第2期5卷 119-135页

作者：李妍何洪波王闰强中国科学院计算机网络信息中心北京100083 中国科学院大学北京100049

【目的】对现有微博热度预测研究展开多角度调研,讨论现有研究不足,展望未来发展趋势,为后续研究提供参考。【文献范围】本文整理和总结了近5年的国内外相关文献。【方法】本文首先介绍了热度预测问题的定义与热度计算方式,然后将热度... 详细信息

【目的】对现有微博热度预测研究展开多角度调研,讨论现有研究不足,展望未来发展趋势,为后续研究提供参考。【文献范围】本文整理和总结了近5年的国内外相关文献。【方法】本文首先介绍了热度预测问题的定义与热度计算方式,然后将热度预测研究方法从特征、时序和用户行为三个方面深入分析,再对热度预测问题的关键技术展开广泛调研,最后针对存在问题进行总结和展望。【结果】基于特征的热度预测方法因其定制性强被广泛使用,与深度学习和集成学习算法技术结合更是研究主流。【局限】由于各研究数据集未公开,本研究无法用统一的标准对所有算法技术的提升水平做横向对比。【结论】微博热度预测问题对于舆论监控、商业营销和内容推广等都具有一定意义,在社交媒体持续流行的时代,热度预测研究将会被继续深入推进。

关键词：热度预测微博机器学习深度学习

基于LSTM神经网络的学科主题热度预测模型

在线全文

学校读者我要写书评

暂无评论

图书情报知识 2021年第2期38卷 25-34页

作者：霍朝光霍帆帆董克中国人民大学信息资源管理学院北京100872 武汉大学信息管理学院武汉430072

[目的/意义]作为科学学预测的重要组成部分,学科主题热度预测旨在揭示学术前沿和发展趋势,辅助学者发现前沿选题,支持科研管理机构科学立项。[研究设计/方法]提出基于期刊影响因子的学科主题热度计算指标(TP-JIF),构建基于LSTM神经网络... 详细信息

[目的/意义]作为科学学预测的重要组成部分,学科主题热度预测旨在揭示学术前沿和发展趋势,辅助学者发现前沿选题,支持科研管理机构科学立项。[研究设计/方法]提出基于期刊影响因子的学科主题热度计算指标(TP-JIF),构建基于LSTM神经网络的学科主题热度预测模型(TPP-LSTM),并以LIS领域数据为例,通过时间切片的形式抽取、计算学科主题的热度序列,检验不同长度时间序列下模型的各项误差。[结论/发现]相对于RBF-SVM、Linear-SVM、KNN、Naive Bayesian等模型,TPP-LSTM预测模型可有效表征学科主题热度时间序列的特性,当时间序列长度为4年时预测效果相对较好。[创新/价值]提出的基于期刊影响因子的学科主题热度计算指标,能够有效刻画不同学术刊物对学科影响的差异,规避了单纯依据频率计算热度的弊端;构建的学科主题热度预测模型,有效表征了学科主题的时间序列变化规律,减小了各项预测误差,预测效果较好。

关键词：学科主题预测热度预测期刊影响因子长短期记忆神经网络图书馆与信息科学

突发公共卫生事件舆情热度预测及情感演化研究

在线全文

学校读者我要写书评

暂无评论

突发公共卫生事件舆情热度预测及情感演化研究

作者：李嘉琪西安建筑科技大学

学位级别：硕士

随着互联网的快速发展和各类应用媒体平台的不断涌现,数据的爆炸性增长为舆情带来了大量的情感信息,此外鉴于与舆情相关的突发事件的破坏性和不可控性,情感倾向在其中的传播速度会更快,更易引发民众的不安和焦虑等消极情绪,严重则会影... 详细信息

随着互联网的快速发展和各类应用媒体平台的不断涌现,数据的爆炸性增长为舆情带来了大量的情感信息,此外鉴于与舆情相关的突发事件的破坏性和不可控性,情感倾向在其中的传播速度会更快,更易引发民众的不安和焦虑等消极情绪,严重则会影响社会的稳定秩序。因此,在不同的舆情阶段下,如何在错综复杂的信息背景下,准确高效地对突发公共卫生舆情事件挖掘热点主题、预测热度发展趋势,并掌握各舆情信息及主题的情感走向,对政府等舆情管控部门引导和把控舆情发展走向、维护健康清朗的网络环境及保障社会的和谐稳定具有重要意义。鉴于此本文的研究内容主要分为以下三部分:(1)突发公共卫生事件舆情主题提取研究。本文采用基于LDA主题模型的方法,实现从文本的角度基于生命周期理论对突发公共卫生舆情事件的微博评论进行主题的提取,进而通过对爬取的“COVID-19”评论数据进行案例分析,经过数据预处理等操作,分析不同阶段下民众评论的关键词及主题,从而掌握事件发生时各个阶段下民众主要关注的内容,挖掘其隐含的热点主题。(2)突发公共卫生事件舆情热度预测研究。从非文本角度,构建鲸鱼算法优化Elman神经网络热度预测模型,挖掘舆情信息传播过程中热度的演变规律。通过收集综合时间序列热度值,借助相关评价指标与标准BP、Elman神经网络进行对比,进而对该模型的预测精度和预测误差进行分析,以验证该模型在热度预测上的准确性和有效性。(3)突发公共卫生事件舆情情感演化研究。针对舆情演变过程中所带来的情感态度变化等问题,本文从情感角度切入,提出基于朴素贝叶斯的情感演化模型。将情感分析与第三章主题提取的结果相结合,以此研究该舆情事件在内容和情感两方面上的变化情况,并通过分析不同阶段的情感差异性,在各阶段为舆情管控部门提供相应的应对策略。本文针对突发公共卫生事件舆情的特点,从文本及非文本的角度出发分别对各阶段舆情的文本主题及舆情热度进行了研究,并基于以上分析,引入情感因素,对文本评论及提取出来的主题进行情感分析。结果表明,本文所提出来的模型在主题提取、热度预测及情感分析上都有着较好的效果,丰富了舆情的研究内容,同时也为相关部门的治理及管控提供了新的思路,具有一定的参考价值。

关键词：突发公共卫生事件网络舆情主题提取热度预测情感演化

基于自监督学习的社交网络信息热度预测方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自监督学习的社交网络信息热度预测方法研究

作者：凌晨重庆大学

学位级别：硕士

随着社交媒体平台的不断繁荣,社交网络已成为公众生成及传播信息的重要渠道,相关研究受到国内外学者广泛关注。其中,热度预测是社交网络信息传播的热点话题,在舆情跟踪、虚假新闻检测等方面具有重要应用价值。近年来,基于深度学习的端... 详细信息

随着社交媒体平台的不断繁荣,社交网络已成为公众生成及传播信息的重要渠道,相关研究受到国内外学者广泛关注。其中,热度预测是社交网络信息传播的热点话题,在舆情跟踪、虚假新闻检测等方面具有重要应用价值。近年来,基于深度学习的端到端信息传播热度预测方法,因其强大的特征提取能力,越来越受到关注。目前大多数方法都显式或隐含地将观察期内的传播规模作为一个关键特征,然而,当观察期较短时,热门和非热门消息的早期传播规模大小差异并不显著。此时,如何充分利用早期传播图结构以及其他可用数据来提高预测准确性,是一个值得研究的关键问题。针对上述问题,借鉴自监督学习在图分类方面的优势,本文系统开展了基于自监督学习的社交网络信息热度预测方法研究,主要研究内容概述如下:(1)提出一种基于话题感知图对比学习的信息热度预测模型Con Cas,该模型充分利用传播级联图结构和内容话题信息来提高预测准确性。首先,利用最近提出的图对比式学习模型来识别热门和非热门级联图的关键结构特征。其次,为捕获不同级联之间的交互,将热门和非热门级联图分别进行聚合学习。同时,从底层社交关系以及消息文本内容中提取节点特征,以进一步提高模型准确性。在新浪微博数据集上的实验结果表明,Con Cas模型在综合评价指标F1-Score上表现优于最新主流算法;此外,进一步的消融实验和参数敏感性实验也显示了底层社交关系和内容话题信息对预测效果的促进作用。(2)提出一种基于全局图对比学习的信息热度预测模型Info Cas。Con Cas模型的主要缺点在于忽略了单个级联图的全局信息,并且没有考虑到信息传播时不同邻居用户对中心用户节点的影响差异。因此,本文进一步提出基于全局图对比式学习的信息热度预测模型Info Cas。具体来说,Info Cas中采用“全局-局部”图对比式学习模型来识别热门和非热门级联图的关键结构特征。与Con Cas相比,Info Cas独立处理每个级联图,来最大化级联图的全局表示和不同局部表示之间的互信息,从而挖掘级联图不同尺度的结构特征。同时,考虑到不同邻居用户对中心用户节点的影响权重不同,将底层用户社交网络输入到图注意力网络(Graph Attention Network,GAT)中,为每个用户生成节点嵌入,并作为级联图的节点特征,以增强对比学习效果。在新浪微博数据集上的实验结果表明,Info Cas的预测准确性整体上优于已有的主流算法以及Con Cas(Mo Co v2)模型。

关键词：社交网络分析热度预测图神经网络自监督学习话题模型

基于图神经网络的融合文本和时序信息的微博热度预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图神经网络的融合文本和时序信息的微博热度预测

作者：崔树宇天津大学

学位级别：硕士

准确的微博热度预测能对社会的热点话题、舆情有提前的认知和预警,其在广告、推荐系统等领域都有着广泛的应用。目前大量的研究工作都着眼于微博本身特征而忽略了影响微博热度的外部因素。本文引入图神经网络(GCN)来构建微博之间关系从... 详细信息

准确的微博热度预测能对社会的热点话题、舆情有提前的认知和预警,其在广告、推荐系统等领域都有着广泛的应用。目前大量的研究工作都着眼于微博本身特征而忽略了影响微博热度的外部因素。本文引入图神经网络(GCN)来构建微博之间关系从一定程度上考虑微博的外部因素。如何有效的利用微博的信息来考虑微博间关系以及对未来微博高效地预测就成为了基于图神经网络方法的关键。对此,开展了以下两方面的工作。为了解决图神经网络中的构图问题,本文提出了双文本图神经网络(DTGNN)模型。DTGNN将相似的微博文本内容之间的关系作为外部因素,使用文本和关键词构建文本图,然后通过GCN和Deep graph infomax(DGI)两种方式获取节点表示,同时将时序信息作为主要影响因素与节点表示进行融合得到预测结果。将DTGNN应用到Microblog PCU数据集,相较于时序卷积网络(TCN),在已知8小时信息的情况下,MSE从0.214降低到了0.148,MAPE从0.197降低到了0.194。为了进一步提高性能,考虑到时序信息之间也存在相应关系以及GCN无法对新发出的微博进行预测的问题,本文提出了融合文本时序的子图神经网络(FTSGNN)模型。FTSGNN在DTGNN的基础上添加了时序图构建部分和数据分割部分。构图时,FTSGNN不仅考虑微博文本间关系,而且考虑微博时序之间的关系。数据分割部分则着重考虑当前舆论对微博热度的影响。相较于DTGNN,模型训练的速度从原来的1953秒缩短到了90秒。并且在已知2小时和4小时时序信息的情况下,相比DTGNN,FTSGNN的MSE分别为从0.229降低到了0.226,0.265降低到了0.247。本文融合微博文本内容和时序信息之间的关系与微博本身信息,相比于使用微博本身的特征,提高了预测性能。同时使用数据分割的方式进行子图划分,在一定程度上解决了GCN无法对新发出的微博进行预测的问题。实验结果验证了DTGNN和FTSGNN模型的有效性和外部因素对微博热度的影响。

关键词：热度预测图神经网络微博间关系

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于布谷鸟搜索优化马尔可夫的文件热度预测

计算机工程与设计 2021年第11期42卷 3121-3127页

作者：王彪王克俭何振学高万豪魏雪川河北农业大学信息科学与技术学院河北保定071001 天津城建大学控制与机械工程学院天津300384 国网河北省电力公司石家庄供电公司河北石家庄050052

针对现有分布式文件系统中静态副本管理机制的不足,提出一种基于布谷鸟搜索优化马尔可夫模型的算法进行文件热度预测。根据文件最近的访问特征采用无偏灰色模型预测下一时刻文件访问热度,利用布谷鸟搜索优化马尔可夫模型,对预测结果进... 详细信息

针对现有分布式文件系统中静态副本管理机制的不足,提出一种基于布谷鸟搜索优化马尔可夫模型的算法进行文件热度预测。根据文件最近的访问特征采用无偏灰色模型预测下一时刻文件访问热度,利用布谷鸟搜索优化马尔可夫模型,对预测结果进行误差修正,根据新陈代谢思想对预测序列进行等维处理,通过最新数据趋势得到预测结果。实验结果表明,MAPE值达到3.08%,与其它模型相比,MAPE值平均降低了2.26%。该方法对文件热度预测达到了较好结果,为文件副本的动态管理提供依据。

关键词：热度预测无偏灰色预测马尔可夫模型新陈代谢布谷鸟搜索