《表5 话题演变趋势预测的研究方法总结》
以上方法都是采用机器学习算法进行建模,另一个预测话题未来演变趋势的常用方法是基于深度学习的方法。Wu等将事件发生的间隔作为随机变量进行建模,然后使用RNN预测流行度[80]。Chen等使用双向GRU和注意力机制获取文本内容和时间序列的向量表示,并使用CNN和注意力机制获取用户的向量表示,最后将这些向量拼接起来输入到全连接层得到流行度[81]。Huang等将影响流行度的因素分为动态因素和静态因素两种。针对动态因素和静态因素不同的特点,分别使用LSTM和CNN进行编码,最后拼接在一起输入到全连接神经网络层得到标签话题的活跃时间[82]。Yu等考虑了和Huang等相似的影响话题流行度的因素,但是使用注意力机制捕获不同因素的重要性差异[83]。社交媒体中话题演变趋势预测的研究方法总结如表5所示。
图表编号 | XD00157147400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 刘倩、李晨亮 |
绘制单位 | 武汉大学国家网络安全学院、中国电子科技集团公司航天信息应用技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |