一种建模社交化点过程序列预测算法

• 作者: 江海洋 王莉
• 来源期刊: 中国科学技术大学学报
• 学科: 工学
• 关键词: 序列预测 社交网络 点过程 LSTM 时空深度网络
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 149-158
• 页数: 10页
• 分类号: TP18
• 字数: 7544字
• 语种: 中文
• DOI: 10.3969/j.issn.0253-2778.2019.02.010

摘要

根据序列数据预测下次事件类型和时间是一个值得研究的课题.目前点过程强度函数算法仅从时间维度考虑背景知识和历史影响两个方面,没有从空间维度加入社交关系的影响.针对该问题,提出基于时空深度网络的社交化点过程的序列预测算法(SPSP算法).该模型首先运用双LSTM(long short-term memory)分别建模强度函数的背景知识和历史影响;然后经过联合层将双LSTM输出合并,生成事件类型和时间向量表征;最后在空间维度上加入社交关系网络影响,优化强度函数.通过深度时空社交网络的多次训练,得到最优网络模型.在新浪微博数据集上的实验验证算法的有效性,证明社交化点过程序列预测算法可高效准确预测出事件类型与时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王莉	太原理工大学大数据学院	61	434	9.0	19.0
2	江海洋	太原理工大学信息与计算机学院	6	128	4.0	6.0