专利交易市场

本发明公开了基于特征衰减强化神经网络的信息传播预测方法及装置，通过网络表示模型对网络数据的用户构建用户初始特征表示，并结合多阶邻居影响力衰减机制对用户初始特征表示进行更新，得到用户特征表示；将传播序列所对应的用户特征表示输入GRU模型，得到隐藏态，将隐藏态融合时间衰减特征，得到时间衰减隐藏态；聚合多个被影响的用户特征表示，得到聚合用户特征，结合聚合用户特征和时间衰减隐藏态，计算得到下一个转发用户的激活概率，根据激活概率预测出信息传播路径；基于传播序列的真实热度规模结合GRU模型与强化学习网络，获得信息传播的预测热度规模。本发明融合多阶邻居衰减影响力机制与时间衰减特征进行信息传播预测，提高模型预测能力。

本发明公开了一种融合主题特征和交叉注意力的级联信息传播预测方法，包括如下步骤：S1，根据级联信息间的差异性进行不同主题特征的划分，并对不同主题特征进行特征提取；S2，根据交叉注意力机制融合用户表示和级联表示以学习特征表达；S3，得到预测结果。本发明根据级联信息之间的异同，并且进行区分处理，提取不同信息的主特征值，使得更好预测信息级联扩散。