基于双层GRU模型的校园信息平台信息热度预测方法研究

作者：王龙^*; 黄嘉凯; 逄华

来源：数据分析与知识发现, 2023, 1-13.

• GRU模型
• 热度分析
• 时间感知
• 注意力机制

[目的]挖掘信息中的发布序列关系，解决校园信息平台中信息热度预测问题。[方法]本文针对该问题提出了一种新的双层GRU模型来对信息热度进行预测。该模型结合了时间间隔感知机制、作者声望感知机制、序列窗口感知机制，并通过一个双层的GRU网络来学习得到信息的热度特征，从而进行信息热度预测。在此基础上，利用计算出的热度值排序得到最近一段时间内的热门信息。[结果]以校园信息平台数据集为例，双层GRU模型的预测效果优于ARIMA、堆叠LSTM模型、BiLSTM-Attention模型，其中MSE(0.000038)、RMSE(0.0059)、MAE(0.0043)最小，Accuracy(93.04%)最高。[局限]在处理不具备明确时序特征的信息时，模型的预测效果受到一定的限制。[结论]双层GRU模型的引入提高了信息热度预测模型的预测效果。

• 单位
  辽宁大学; 沈阳师范大学