申请/专利权人：武汉大学;中国电子科技集团有限公司电子科学研究院

申请日：2023-12-28

公开（公告）日：2024-03-29

公开（公告）号：CN117787343A

主分类号：G06N3/0455

分类号：G06N3/0455;G06Q50/00;G06F18/25;G06N3/042;G06N3/0495;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明提供一种针对微博话题趋势的长序列预测方法，综合考虑了微博话题在传播演化过程中的图结构空间特性和时间特性，将话题演化过程中的转发网络进行时间切片，将节点特征作为节点的属性输入，构建了话题转发网络的动态图序列；利用GAT图注意力网络来对话题中的转发网络进行图结构空间信息的学习表征；将表征后的图结构空间信息与话题演化的统计特征信息进行特征融合，形成融合后的特征序列；利用Informer网络来对序列信息进行学习，本发明能够有效降低模型的计算复杂度，能够在保证模型性能的前提下实现更长的序列输入输出。与现有的预测方法相比，本发明提出的长序列预测具有一定的优越性且对于长序列具有良好的鲁棒性。

主权项：1.一种针对微博话题趋势的长序列预测方法，其特征在于，包括如下步骤：步骤S101：综合考虑微博话题在传播演化过程中的图结构空间特性和时间特性，将话题演化过程中的转发网络进行时间切片，将节点特征作为节点的属性输入，构建了话题转发网络的动态图序列；步骤S102：根据图注意力网络来对话题中的动态转发网络进行图结构空间信息的学习表征；将表征后的图结构空间信息与话题演化的统计特征信息进行特征融合，形成融合后的特征序列；步骤S103：根据Informer网络对时间序列信息进行学习，以输出的特征来进行话题新增量趋势的预测。

全文数据：

权利要求：

百度查询： 武汉大学;中国电子科技集团有限公司电子科学研究院 一种针对微博话题趋势的长序列预测方法、装置及计算机存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD