买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉人民网股份有限公司;天津大学申请的专利融合多尺度级联与时序特征的社交媒体内容热度预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115495669B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211120976.3，技术领域涉及：G06F16/9536；该发明授权融合多尺度级联与时序特征的社交媒体内容热度预测方法是由谢宗霞;蔡宇昊设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本融合多尺度级联与时序特征的社交媒体内容热度预测方法在说明书摘要公布了：本发明公开了一种融合多尺度级联与时序特征的社交媒体内容热度预测方法，包括：利用社交媒体内容早期传播特征，按照不同大小尺度的时间窗处理分别得到多尺度级联图以及热度趋势序列；应用图卷积神经网络对多尺度级联图序列进行嵌入及利用一维卷积提取多尺度趋势短期动态特征，通过不同的TransformerEncoder提取多尺度级联图和趋势动态特征；利用时间窗选择网络实现多尺度特征融合：网络模型训练完毕，输入要预测的社交媒体的早期多尺度级联图和热度趋势序列，输出未来一段时间内社交媒体内容热度增长预测值。本发明通过有效融合多尺度级联图特征与趋势特征，相比单一尺度的方法有更好的预测效果，能获得全局性更优、泛化性能更好的预测结果。

本发明授权融合多尺度级联与时序特征的社交媒体内容热度预测方法在权利要求书中公布了：1.一种融合多尺度级联与时序特征的社交媒体内容热度预测方法，其特征在于，步骤包括： 步骤1、数据预处理：利用社交媒体内容早期传播特征，按照不同大小尺度的时间窗处理分别得到多尺度级联图序列以及多尺度热度趋势序列； 步骤2、多尺度级联图动态特征建模：将步骤1得到的多尺度级联图序列中的图转化成邻接矩阵序列，计算该邻接矩阵的拉普拉斯矩阵，同时对子图序列中的每一个子图通过PageRank算法得到节点的初始特征矩阵；针对不同尺度的多尺度级联图序列，应用图卷积神经网络对多尺度级联图序列进行嵌入，输入拉普拉斯矩阵和初始特征矩阵，得到节点特征；建立多尺度级联图序列之间的动态相关性，通过TransformerEncoder提取多尺度级联图动态特征； 步骤3、多尺度趋势动态特征建模：将步骤1得到的多尺度热度趋势序列，利用一维卷积提取多尺度趋势短期动态特征，通过TransformerEncoder提取长期动态变化特征即多尺度趋势动态特征； 步骤4、利用时间窗选择网络实现多尺度特征融合：过滤多尺度级联图动态特征与多尺度趋势动态特征，将过滤后的多尺度级联图动态特征与多尺度动态趋势特征拼接，然后利用所述时间窗选择网络得到多尺度融合特征； 步骤5、网络模型的训练及输出热度预测结果：将多尺度融合特征作为全连接层的输入，该全连接层的输出为热度增长预测值；网络模型训练过程中，通过MSLE损失函数反向传播方式优化各层级权值，并将反馈结果输出至整个网络模型的各层级输入端；网络模型训练完毕后，输入要预测的社交媒体的早期多尺度级联图序列和多尺度热度趋势序列，该网络模型的输出就是未来一段时间内社交媒体内容热度增长预测值，从而实现社交媒体内容热度预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人人民网股份有限公司;天津大学，其通讯地址为：100733 北京市西城区新街口外大街28号B座234号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。