-
公开(公告)号：CN110245682A
公开(公告)日：2019-09-17
申请号：CN201910393542.2
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于话题的网络表示学习方法，属于网络表示学习技术领域。本发明方法包括：设计一种自编码器模型，定义模型结构、输入输出数据的形式，以保留网络拓扑结构所表示的结构特征；利用网络中的结点信息对该自编码器网络模型进行扩展，提取网络中结点所包含的信息，将话题因素融入其中，以保留其所表示的语义特征，同时保留全局网络的结构特征；通过自编码器将两类特征融合到网络结点低维特征表示中，得到基于话题的网络表示学习。本发明方法结合大规模信息网络的特点和深度学习算法，从信息网络结构和结点所包含的信息特点出发，以获得更加有效的网络结点的嵌入表示。
-
公开(公告)号：CN110222149A
公开(公告)日：2019-09-10
申请号：CN201910412987.0
申请日：2019-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于新闻舆情的时间序列预测方法，包括：根据时序数据的时间片信息获取包含目标关键词的新闻，计算每个时间片对应新闻的舆情向量；时间序列数据和计算得到的舆情向量构成新数据集，利用卷积神经网络获取新数据集的历史长期依赖特征和历史短期依赖特征；将新数据集和获取到的历史长期依赖特征、历史短期依赖特征作为训练集，输入搭建好的LSTM网络中进行训练，训练完成后得到时间序列预测模型；将待预测的时间序列数据和对应的新闻输入到所述时间序列预测模型中进行预测，得到预测的目标信息。本发明融合实时性强的新闻来解决突发情况对时序数据的影响，同时发掘时序数据的长短期依赖特征，使得预测效果更加稳定和精确。
-
公开(公告)号：CN110245682B
公开(公告)日：2021-07-27
申请号：CN201910393542.2
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于话题的网络表示学习方法，属于网络表示学习技术领域。本发明方法包括：设计一种自编码器模型，定义模型结构、输入输出数据的形式，以保留网络拓扑结构所表示的结构特征；利用网络中的结点信息对该自编码器网络模型进行扩展，提取网络中结点所包含的信息，将话题因素融入其中，以保留其所表示的语义特征，同时保留全局网络的结构特征；通过自编码器将两类特征融合到网络结点低维特征表示中，得到基于话题的网络表示学习。本发明方法结合大规模信息网络的特点和深度学习算法，从信息网络结构和结点所包含的信息特点出发，以获得更加有效的网络结点的嵌入表示。
-
公开(公告)号：CN110222149B
公开(公告)日：2021-07-27
申请号：CN201910412987.0
申请日：2019-05-17
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于新闻舆情的时间序列预测方法，包括：根据时序数据的时间片信息获取包含目标关键词的新闻，计算每个时间片对应新闻的舆情向量；时间序列数据和计算得到的舆情向量构成新数据集，利用卷积神经网络获取新数据集的历史长期依赖特征和历史短期依赖特征；将新数据集和获取到的历史长期依赖特征、历史短期依赖特征作为训练集，输入搭建好的LSTM网络中进行训练，训练完成后得到时间序列预测模型；将待预测的时间序列数据和对应的新闻输入到所述时间序列预测模型中进行预测，得到预测的目标信息。本发明融合实时性强的新闻来解决突发情况对时序数据的影响，同时发掘时序数据的长短期依赖特征，使得预测效果更加稳定和精确。
-
-
-
Search Results
4
records
(took 0.016 seconds)
