《表5 话题演变趋势预测的研究方法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于社交媒体的话题演变研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。