文档名：一种建模社交化点过程序列预测算法
根据序列数据预测下次事件类型和时间是一个值得研究的课题.目前点过程强度函数算法仅从时间维度考虑背景知识和历史影响两个方面,没有从空间维度加入社交关系的影响.针对该问题,该文提出基于时空深度网络的社交化点过程的序列预测算法(SPSP算法).该模型首先运用双LSTM(LongShort-TermMemory)分别建模强度函数的背景知识和历史影响;然后经过联合层将双LSTM输出合并,生成事件类型和时间向量表征;最后在空间维度上加入社交关系网络影响,优化强度函数.通过深度时空社交网络的多次训练,得到最优网络模型.该文使用新浪微博数据集验证算法有效性,经实验证明社交化点过程序列预测算法可高效准确预测出事件类型与时间.
作者：江海洋 王莉
作者单位：太原理工大学信息与计算机学院山西晋中030600太原理工大学大数据学院山西晋中030600
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：信息处理 序列预测 社交点过程 时空深度网络
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.01 MB
- 下载次数:
- 60
-
高速下载
|
