一种基于时间及用户的转发序列的微博流行度预测方法

摘要

本发明涉及一种基于时间及用户的转发序列的微博流行度预测模型，属于涉及社交网络中消息流行度预测领域，包括以下步骤：S1：利用循环神经网络对微博的转发序列进行建模，用来捕获消息传播过程的长距离依赖；S2：将隐藏层的输出结果进行非线性变换网络，学习在传播过程中每个时间步的速率；S3：利用速率得到的早期趋势加速度和早期的流行度，并在用户活跃度的优化下，对微博未来的流行度进行预测。本发明保证了在消息传播的早期更精准地预测其在未来的流行趋势，该模型既利用了历史传播信息，又很好地刻画了微博的传播过程。