本發(fā)明公開了一種基于微博文本嵌入學(xué)習(xí)的社交網(wǎng)絡(luò)轉(zhuǎn)發(fā)行為預(yù)測方法。首先收集待預(yù)測用戶和作者的歷史微博,以及用戶的一階、二階鄰居用戶的歷史微博。然后針對每條微博通過BLSTM模型嵌入學(xué)習(xí)得到詞的嵌入表示和某條微博的句子級嵌入表示;之后搭建卷積、池化和隱含層輸出微博的嵌入向量,獲得面向局部語義的深度特征表示;其次設(shè)計注意力機制,使用待預(yù)測微博的嵌入向量計算用戶的歷史微博的注意概率,基于注意概率分布對歷史微博加權(quán)求和得到用戶歷史微博集的表示向量;得到用戶、作者以及用戶所在群體的歷史微博集表示向量,對三種向量進行拼接。最后利用Mini?BatchSGD對模型的損失函數(shù)進行最小化學(xué)習(xí)。本發(fā)明能夠為用戶提供更準確的推薦服務(wù)。
聲明:
“基于微博文本嵌入學(xué)習(xí)的社交網(wǎng)絡(luò)轉(zhuǎn)發(fā)行為預(yù)測方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)