本发明公开了一种基于微博文本嵌入学习的社交网络转发行为预测方法。首先收集待预测用户和作者的历史微博,以及用户的一阶、二阶邻居用户的历史微博。然后针对每条微博通过BLSTM模型嵌入学习得到词的嵌入表示和某条微博的句子级嵌入表示;之后搭建卷积、池化和隐含层输出微博的嵌入向量,获得面向局部语义的深度特征表示;其次设计注意力机制,使用待预测微博的嵌入向量计算用户的历史微博的注意概率,基于注意概率分布对历史微博加权求和得到用户历史微博集的表示向量;得到用户、作者以及用户所在群体的历史微博集表示向量,对三种向量进行拼接。最后利用Mini‑BatchSGD对模型的损失函数进行最小化学习。本发明能够为用户提供更准确的推荐服务。
声明:
“基于微博文本嵌入学习的社交网络转发行为预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)