[发明专利]一种基于多面排序网络解决推文预测转发任务的方法

摘要

本发明公开了一种基于多面排序网络解决推文预测转发任务的方法。主要包括如下步骤：1)针对于一组用户及推特推文数据集，构建用户之间及用户与推文之间相互关系的网络。并且针对于形成的网络，利用多面排序网络形成用户推文转发预测函数。2)对于得到的用户推文转发预测函数，产生对于用户推文转发的概率预测。相比于一般的用户推文转发的概率预测解决方案，本发明能够同时利用推文的信息与用户之间的相互影响关系。本发明在推文转发预测问题中所取得的效果相比于传统的方法更好。

主权项

1.一种基于多面排序网络解决推文预测转发任务的方法，其特征在于包括如下步骤：1)针对于一组社交网络用户及其对于的推文转发情况，构建包含用户、推文之间相互关系的社交媒体网络；2)对于步骤1)所得到的社交媒体网络的带有图片的推文，利用卷积神经网络获取推文图片的表达，利用单词映射网络及LSTM网络获取推文文本的语义表达，利用随机初始化获取用户的映射表达；之后结合推文的图片及文本表达获取推文的综合表达，利用推文的综合表达及用户的表达获取反映用户本身对于推文感兴趣程度大小的值；利用步骤1)构建的社交媒体网络中的用户之间相互关注的关系及用户表达矩阵，得到用户相互影响力分数，并利用该分数与用户表达及推文综合表达得到反映结合了用户之间相互影响的用户对于推文感兴趣程度的值；两者结合得到最终的损失函数；3)利用所获得的含有用户推文转发关系及用户间关系的数据集，针对步骤2)所得的损失函数，经过训练，得到最终的损失函数，根据该函数可以对于任意用户及其关注的用户发出的任意推文进行排序，将更可能被用户转发的推文排在前列。