计算机应用

作者：武维, 李泽平, 杨华蔚, 林川, 王忠德

单位：1. 贵州大学 计算机科学与技术学院, 贵阳 550025;2. 贵州财经大学 大数据应用与经济学院, 贵阳 550025

关键词：流行度预测,内容特征,时序信息,注意力机制,神经网络因子分解机

基金：国家自然科学基金资助项目（61462014）；贵州省科学技术基金资助项目（S2017JP00401185093）。

针对视频流行度动态变化过程中的时序信息难以捕捉的问题，提出一种融合内容特征和时序信息的深度注意力视频流行度预测模型（DAFCT）。首先，根据用户的反馈信息，构建基于注意力机制的长短期记忆网络（Attention-LSTM）模型来捕捉流行趋势并挖掘时序信息；然后，采用神经网络因子分解机（NFM）处理多模态的内容特征，并采用嵌入技术对稀疏的高维特征进行降维处理，从而降低模型的计算复杂性；最后，采用concatenate方法融合时序信息和内容特征，并设计了一种深度注意力视频流行度预测（DAVPP）算法来求解DAFCT。实验结果表明，与Attention-LSTM模型和NFM模型相比，DAFCT的召回率分别提高了10.82和3.31个百分点，F1分数分别提高了9.80和3.07个百分点。

来源：2021年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第7期