[发明专利]一种基于循环神经网络的社交网络消息爆发检测方法及系统在审
| 申请号： | 201610273082.6 | 申请日： | 2016-04-28 |
| 公开（公告）号： | CN105975504A | 公开（公告）日： | 2016-09-28 |
| 发明（设计）人： | 笱程成;程学旗;杜攀;刘悦;沈华伟 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06Q50/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京律诚同业知识产权代理有限公司 11006 | 代理人： | 祁建国;梁挥 |
| 地址： | 100190 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于循环神经网络(Recurrent Neural Network，RNN)的社交网络消息爆发检测方法及系统，涉及在线社交网络中内容的流行度预测技术领域，该方法包括获取社交网络中用户发布与转发的历史消息，对所述历史消息进行预处理，获取历史转发时间序列；对所述历史消息与所述历史转发时间序列进行循环神经网络训练，并生成预测模型；实时采集用户发布与转发的消息，根据所述消息，生成转发时间序列，将所述转发时间序列输入到所述预测模型，生成特征表达，将所述特征表达输入到全连接神经网络进行分类，结果以softmax方式输出，以完成社交网络消息爆发检测。 | ||
| 搜索关键词： | 一种 基于 循环 神经网络 社交 网络 消息 爆发 检测 方法 系统 | ||
【主权项】：
一种基于循环神经网络的社交网络消息爆发检测方法，其特征在于，包括：步骤1，获取社交网络中用户发布与转发的历史消息，对所述历史消息进行预处理，获取历史转发时间序列特征；步骤2，将所述历史消息与所述历史转发时间序列特征输入循环神经网络训练，并生成预测模型；步骤3，实时采集用户发布与转发的消息，根据所述消息，生成转发时间序列特征，将所述转发时间序列特征输入到所述预测模型，生成特征表达，将所述特征表达输入到全连接神经网络进行分类，结果以softmax方式输出，以完成社交网络消息爆发检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610273082.6/，转载请声明来源钻瓜专利网。
