基于一维卷积神经网络的多特征社交网络流行度预测研究

作者：林锦发; 程良伦; 应稼田

来源：现代计算机(专业版), 2019, (07): 3-9+15.

• 社交网络
• 流行度预测
• 先验特征
• 一维卷积神经网络(One-DCNN) Social Network
• Popularity Prediction
• One Dimensional Convolution Neural Network(One-DCNN)

传统的社交网络流行度预测方法只考虑少数的特征,致使预测结果在大规模数据集中表现不好。现提出一种基于一维卷积神经网络(One-DCNN)的多特征社交网络流行度预测方法。该方法考虑所有元数据特征,并提出先验特征构造对其进行预处理。因元数据固有的一维特性,提出使用One-DCNN进行深度特征提取,最后使用LightGBM对其进行回归与预测。实验证明,One-DCNN能有效地提取出特征,且所提出的方法效果较传统方法和其他回归方法有较大的提升。