基于用户转发行为的流行度预测方法、装置、设备及介质

本发明涉及人工智能，尤其涉及一种基于用户转发行为的流行度预测方法、装置、设备及介质。

背景技术：

1、在社交网络中，每个用户对于转发特定类型的消息(取决于消息内容)都有个性化偏好，这反过来影响级联模型和流行度预测，尽管社交网络中的个性化行为已经得到广泛研究，但将它们纳入流行度预测仍然是一个未解决的问题。

2、目前在消息生成阶段预测流行度主要通过大语言模型(large language models,llms)，如gpt、palm和llama，以及多模态软件可以在生成高质量消息方面提供帮助，但它们不能保证流行度，为了解决这个问题，在消息生成阶段预测流行度需要考虑用户的社交位置、个性化偏好和传播模型，然而，现有方法大多依赖于早期级联传播路径，这在消息生成阶段不适用。同时在进行消息级联的长期预测时大多数现采用霍克斯过程或适用于平滑传播过程的图神经网络，但这些方法并没有明确考虑底层的级联模型，导致在预测热门消息的爆发级联预测的准确度较差。

3、现有方法未能充分对用户的个性化转发行为进行建模，而且在考虑不同消息类型的扩散模型时存在单一性的不足；传统的研究往往忽略了用户在信息传播中的个性差异，导致模型的局限性。因此，有必要针对用户行为进行更深入、更个性化的建模，以更好地理解和预测信息的传播过程；同时，在处理不同类型的消息时，不同的消息可能受到不同的影响因素和传播机制的驱动，需要考虑到扩散模型的多样性，提高模型的准确性和适用性。

4、综上所述，如何根据用户的信息以及用户的个性化转发行为更精确地进行流行度预测，成为亟待解决的问题。

技术实现思路

1、本发明提供一种基于用户转发行为的流行度预测方法、装置、设备及介质，其主要目的在于解决用户转发行为的流行度预测准确性较差的问题。

2、为实现上述目的，本发明提供的一种基于用户转发行为的流行度预测方法，包括：获取用户转发信息的消息级联及用户信息，提取消息级联的消息特征以及用户信息的用户特征；根据消息特征以及用户特征计算用户转发消息的转发行为特征；根据消息级联、用户特征及转发行为特征计算用户转发信息的级联快照特征；对级联快照特征进行多尺度特征学习，得到用户转发信息的目标特征；根据目标特征计算用户转发信息的信息流行度。

3、本发明还提供一种基于用户转发行为的流行度预测装置，包括：特征提取模块，用于获取用户转发信息的消息级联及用户信息，提取消息级联的消息特征以及用户信息的用户特征；转发行为特征计算模块，用于根据消息特征以及用户特征计算用户转发消息的转发行为特征；级联快照特征计算模块，用于根据消息级联、用户特征及转发行为特征计算用户转发信息的级联快照特征；多尺度特征学习模块，用于对级联快照特征进行多尺度特征学习，得到用户转发信息的目标特征；信息流行度计算模块，用于根据目标特征计算用户转发信息的信息流行度。

4、本发明还提供一种电子设备，包括：与至少一个处理器通信连接的存储器；其中，处理器用于执行存储在存储器上的计算机程序；存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行上述的一种基于用户转发行为的流行度预测方法。

5、本发明还提供一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时，实现上述任意一项的基于用户转发行为的流行度预测方法。

6、本发明实施例通过消息特征以及用户特征进行个性化转发行为特征建模，得到用户转发特征，表示为每个用户转发消息的概率；根据消息级联、用户特征及转发行为特征计算级联快照特征，可以通过级联动态的时序特征对级联快照特征进行多尺度特征学习，得到目标特征，以捕捉级联快照特征中更全面、更深层次的特征信息；根据目标特征计算用户转发信息的信息流行度，可以有效地提高信息流行度计算的准确度。因此本发明提出的一种基于用户转发行为的流行度预测方法、装置、设备及介质，可以解决用户转发行为的流行度预测准确性较差的问题。

技术特征：

1.一种基于用户转发行为的流行度预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的一种基于用户转发行为的流行度预测方法，其特征在于，所述提取所述消息级联的消息特征以及所述用户信息的用户特征，包括:

3.如权利要求2所述的一种基于用户转发行为的流行度预测方法，其特征在于，所述根据所述用户信息构建用户网络特征，包括：

4.如权利要求1所述的一种基于用户转发行为的流行度预测方法，其特征在于，所述根据所述消息特征以及所述用户特征计算所述用户转发消息的转发行为特征，包括：

5.如权利要求1所述的一种基于用户转发行为的流行度预测方法，其特征在于，所述根据所述消息级联、所述用户特征及所述转发行为特征计算所述用户转发信息的级联快照特征，包括：

6.如权利要求5所述的一种基于用户转发行为的流行度预测方法，其特征在于，所述根据所述用户级联特征计算每个所述级联快照的级联快照特征，包括：

7.如权利要求1所述的一种基于用户转发行为的流行度预测方法，其特征在于，所述对所述级联快照特征进行多尺度特征学习，得到所述用户转发信息的目标特征，包括：

8.一种基于用户转发行为的流行度预测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至7中任意一项所述的基于用户转发行为的流行度预测方法。

技术总结本发明涉及人工智能技术领域，揭露一种基于用户转发行为的流行度预测方法、装置、设备及介质，该方法包括：提取用户转发信息的消息级联的消息特征以及用户信息的用户特征；根据消息特征及用户特征计算转发行为特征；根据消息级联、用户特征及转发行为特征计算用户转发信息的级联快照特征；对级联快照特征进行多尺度特征学习，得到目标特征；根据目标特征计算用户转发信息的信息流行度。通过本发明的实施，可以通过消息特征以及用户特征进行个性化转发行为特征建模，对级联快照特征进行多尺度特征学习可以捕捉级联快照特征中更全面、更深层次的特征信息，从而有效地提高信息流行度计算的准确度。技术研发人员：周明洋,林炎杰,黎祖文,廖好,陆克中,毛睿受保护的技术使用者：深圳大学技术研发日：技术公布日：2024/7/29