基于注意力与神经网络的视频流行度预测模型

作者：马学森; 杨智捷; 储昭坤; 周天保

来源：合肥工业大学学报(自然科学版), 2023, 46(11): 1472-1478.

DOI：10.3969/j.issn.1003-5060.2023.11.006

• 流行度预测
• 多元时间序列
• 双向长短期记忆(BiLSTM)网络
• 注意力机制
• 卷积神经网络(CNN)

针对传统预测算法预测精度低及难以处理多变量的时序数据等缺点，文章提出一种采用双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络和时间模式注意力(temporal pattern attention, TPA)机制相结合的视频流行度预测模型。双向长短期记忆网络从视频流行度时间序列的正向和反向提取时间特征，时间模式注意力机制从双向长短期记忆网络输出状态的深层特征提取时间模式，有利于视频流行度预测。真实视频数据的实验结果表明，与经典时序预测方法相比，TPA-BiLSTM模型能够有效地降低预测的误差，提高预测的准确性。

• 单位
  合肥工业大学