检索结果-南通市图书馆

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

基于数据分解的网络舆情热度预测

电脑编程技巧与维护 2023年第6期 96-98页

作者：孙立平东北大学理学院沈阳110819

针对传统时序数据预测算法难以提取潜在特征的问题,基于数据分解的研究思路,提出了一种以编码解码器为框架融合注意力机制和ConvLSTM神经网络的预测模型。利用EEMD算法将原始序列分解为本征模态函数,分别对分量进行建模和预测,实现网络... 详细信息

针对传统时序数据预测算法难以提取潜在特征的问题,基于数据分解的研究思路,提出了一种以编码解码器为框架融合注意力机制和ConvLSTM神经网络的预测模型。利用EEMD算法将原始序列分解为本征模态函数,分别对分量进行建模和预测,实现网络舆情时间序列的预测。实验结果表明,提出的模型具有较好的预测性能。

关键词：网络舆情热度预测集合经验模态分解注意力机制

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

在线全文

学校读者我要写书评

暂无评论

基于深度信念网络的在线视频热度预测

计算机工程与应用 2017年第9期53卷 162-169,189页

作者：陈亮张俊池王娜李霞陈宇环深圳大学信息工程学院深圳市现代通信与信息处理重点实验室广东深圳518060

针对在线视频热度预测研究中分类及预测效果欠佳,规则化较多和较缺乏实践检验等问题,通过对实际在线视频服务系统所采集的海量数据研究,提出一种基于深度信念网络(Deep Belief Networks,DBNs)的视频热度预测方法。首先,结合社交网络的... 详细信息

针对在线视频热度预测研究中分类及预测效果欠佳,规则化较多和较缺乏实践检验等问题,通过对实际在线视频服务系统所采集的海量数据研究,提出一种基于深度信念网络(Deep Belief Networks,DBNs)的视频热度预测方法。首先,结合社交网络的关注度和视频关键词的搜索热度,对影响因子进行了建模和量化处理;其次,根据输入和输出变量确定了DBNs各层网络的结构,优化了网络参数和预测模型;最后,通过在线视频服务商的数据对深度信念网络进行训练,并多次交叉实验对比分析,结果表明基于DBNs方法在视频热度预测上准确率最高79.47%(国内视频)、65.33%(国外视频),可以为在线视频上映前的投资、宣传以及风险评估提供较全面可靠的参考决策。

关键词：深度学习在线视频服务热度预测深度信念网络受限玻尔兹曼机

在线全文

学校读者我要写书评

暂无评论

基于因果模型的主题热度计算与预测方法

中文信息学报 2016年第2期30卷 50-55页

作者：杜慧郭岩范意兴张瑾余智华程学旗中国科学院计算技术研究所中国科学院网络数据科学与技术重点实验室北京100190 中国科学院大学北京100190

网络是目前最重要的信息传播渠道,其自由性和丰富性使得信息迅速传播。挖掘网络中的热点主题对政府政策的制定、企业经营决策的调整可以提供强有力的支持,并能够满足网民对热点主题的关注需求。主题数量的庞大使得主题热度值的计算尤为... 详细信息

网络是目前最重要的信息传播渠道,其自由性和丰富性使得信息迅速传播。挖掘网络中的热点主题对政府政策的制定、企业经营决策的调整可以提供强有力的支持,并能够满足网民对热点主题的关注需求。主题数量的庞大使得主题热度值的计算尤为重要,该文分析热度的形成原因,基于因果模型并采用面板数据,给出一种较为客观可行的主题热度计算模型。该模型使用易于获取的数据进行计算,给出较为客观的热度度量,进而便于不同主题、不同日期间的热度对比。在此基础上,通过对热度变化规律的考察,提出一种基于多峰高斯曲线拟合热度变化进行主题热度预测的思路。

关键词：主题热度因果模型面板数据热度预测多峰高斯曲线

在线全文

学校读者我要写书评

暂无评论

基于EKSC算法的网络事件热度预测方法

计算机工程与科学 2018年第2期40卷 238-245页

作者：张茂元孙树园王奕博孟琼瑶王琦华中师范大学计算机学院湖北武汉430079

随着互联网的发展,有效地对网络舆情进行监管和引导对社会的和谐稳定具有重要意义,网络事件的热度预测是舆情监管的重要组成部分。针对传统方法在预测的过程中忽视了事件时间序列中蕴含的时态信息和关联性,提出了一种基于EKSC算法的网... 详细信息

随着互联网的发展,有效地对网络舆情进行监管和引导对社会的和谐稳定具有重要意义,网络事件的热度预测是舆情监管的重要组成部分。针对传统方法在预测的过程中忽视了事件时间序列中蕴含的时态信息和关联性,提出了一种基于EKSC算法的网络热点事件热度预测模型。该模型使用EKSC算法对每类已知网络舆情事件的时间序列进行聚类,并构建类模型库。对待预测事件已知的热度时间序列进行缩放变化,并使用最小二乘法选取类模型库中均方误差和最小的模型对该事件进行预测。实验表明,该方法能够对网络热点事件的热度进行有效的预测。

关键词：网络舆情 EKSC算法聚类热度预测

在线全文

学校读者我要写书评

暂无评论

基于K近邻的新话题热度预测算法

计算机科学 2012年第B6期39卷 257-260页

作者：聂恩伦陈黎王亚强秦湘清金宇于中华四川大学计算机学院成都610065

随着互联网的快速发展,网络舆情成为政府部门和企业以及社会大众关注的焦点,对网络舆情进行有效监管和正确引导是当前亟待解决的问题,话题热度预测是舆情监管和引导的基础。针对现有算法无法对新话题的热度进行有效预测的缺点,提出了一... 详细信息

随着互联网的快速发展,网络舆情成为政府部门和企业以及社会大众关注的焦点,对网络舆情进行有效监管和正确引导是当前亟待解决的问题,话题热度预测是舆情监管和引导的基础。针对现有算法无法对新话题的热度进行有效预测的缺点,提出了一种基于K近邻的新话题热度预测算法。该算法利用与新话题相似的历史话题的点击数时间序列来对新话题的热度进行预测。实验结果表明,在允许相对误差分别低于10%、20%和30%的情况下,算法预测的前3天点击数的平均正确率分别为47.26%、61%和67.7%,点击数变化趋势平均正确率达到73.73%,这也说明了相似的话题在话题出现的初期具有近似的热度变化趋势。

关键词：热度预测新话题 K-近邻算法话题相似性网络舆情

基于意见领袖参与行为的微博话题热度预测研究

在线全文

学校读者我要写书评

暂无评论

情报杂志 2013年第12期32卷 42-46,11页

作者：赵龙文公荣涛陈明艳姚海波华南理工大学经济与贸易学院电子商务系广州510006

随着微博应用的迅猛发展,互联网成为当今社会重要的舆论场。从海量微博信息中了解并预测出网民所关注话题的发展趋势成为一个具有挑战性的研究课题。提出基于意见领袖参与行为的微博话题热度预测模型,以意见领袖的影响力及其参与行为等... 详细信息

随着微博应用的迅猛发展,互联网成为当今社会重要的舆论场。从海量微博信息中了解并预测出网民所关注话题的发展趋势成为一个具有挑战性的研究课题。提出基于意见领袖参与行为的微博话题热度预测模型,以意见领袖的影响力及其参与行为等指标,研究微博热点话题的发展趋势和特征,分析并验证了模型对不同话题类型的适用性,针对话题演化过程的阶段性变动特征,对模型进行了改进和完善,提出了基于动态系数的多元线性回归预测模型。实验结果表明,预测模型在不考虑外界因素刺激的情况下可以获得较好的预测结果。

关键词：意见领袖微博话题热度预测动态回归模型