融合多尺度级联与时序特征的社交媒体内容热度预测方法

摘要

本发明公开了一种融合多尺度级联与时序特征的社交媒体内容热度预测方法，包括：利用社交媒体内容早期传播特征，按照不同大小尺度的时间窗处理分别得到多尺度级联图以及热度趋势序列；应用图卷积神经网络对多尺度级联图序列进行嵌入及利用一维卷积提取多尺度趋势短期动态特征，通过不同的Transformer Encoder提取多尺度级联图和趋势动态特征；利用时间窗选择网络实现多尺度特征融合：网络模型训练完毕，输入要预测的社交媒体的早期多尺度级联图和热度趋势序列，输出未来一段时间内社交媒体内容热度增长预测值。本发明通过有效融合多尺度级联图特征与趋势特征，相比单一尺度的方法有更好的预测效果，能获得全局性更优、泛化性能更好的预测结果。