[发明专利]基于深度学习的微博转发预测方法

权利要求书

1.一种基于深度学习的微博转发预测方法，其特征在于，包括以下步骤：

S01：通过词向量生成工具获取词的分布式向量表示，将微博正文转换为向量矩阵形式；

S02：将获取的向量矩阵输入卷积神经网络语言模型进行预训练，提取微博正文的特征，得到一个多维度的特征向量；

S03：使用不同的特征对用户进行向量化表示，对用户进行聚类，为每个类簇初始化一个卷积神经网络模型，选择样本送入其所属的模型中分别进行训练；

S04：通过线性分类器进行分类，概率最大的类别就是微博所属类别，判断微博的转发数。

2.根据权利要求1所述的基于深度学习的微博转发预测方法，其特征在于，所述步骤S01中词向量的维度与步骤S02中特征向量的维度相同。

3.根据权利要求1所述的基于深度学习的微博转发预测方法，其特征在于，所述步骤S02还包括，将微博正文中的每个词向量组合成句子向量矩阵。

4.根据权利要求1所述的基于深度学习的微博转发预测方法，其特征在于，所述步骤S02中的卷积神经网络语言模型使用动态下采样技术减少模型的参数规模，其公式为：

（1）

其中，k为固定的下采样参数，L是整个卷积层的大小，l是当前卷积层的编号，s是微博文本的长度。

5.根据权利要求1所述的基于深度学习的微博转发预测方法，其特征在于，所述步骤S03中对用户进行聚类的算法为一趟聚类算法。