[发明专利]一种媒体信息流行度预测方法、装置和设备

权利要求书

1.一种媒体信息流行度预测方法，其特征在于，包括：

对获取到的媒体信息数据进行预处理，所述媒体信息包括用户信息、视觉信息和文本信息；

对所述媒体信息数据进行特征提取，将得到的每个所述媒体信息数据对应的用户信息特征、视觉信息特征和文本信息特征进行特征融合；

将所述特征融合得到的特征数据输入到用于预测媒体流行度的预置XGBoost分类模型中，得到所述预置XGBoost分类模型输出的预测流行度。

2.根据权利要求1所述的媒体信息流行度预测方法，其特征在于，还包括：

基于所述预测流行度对所述预置XGBoost分类模型进行性能评估。

3.根据权利要求2所述的媒体信息流行度预测方法，其特征在于，所述基于所述预测流行度对所述预置XGBoost分类模型进行性能评估，包括：

基于所述预测流行度计算所述预测流行度的斯皮尔曼等级相关性和平均绝对误差；

基于所述斯皮尔曼等级相关性和平均绝对误差评估所述预置XGBoost分类模型的预测性能。

4.根据权利要求1所述的媒体信息流行度预测方法，其特征在于，所述预处理包括：

将所述媒体信息数据进行分割，得到所述用户信息、所述视觉信息和所述文本信息；

生成所述用户信息、所述视觉信息和所述文本信息分别对应的标签；

对所述用户信息、所述视觉信息和所述文本信息进行内容类别分类，并抽象化概念。

5.根据权利要求1所述的媒体信息流行度预测方法，其特征在于，所述将所述特征融合得到的特征数据输入到用于预测媒体流行度的预置XGBoost分类模型中，得到所述预置XGBoost分类模型输出的预测流行度，之前还包括：

对所述预置XGBoost分类模型进行训练。

6.根据权利要求5所述的媒体信息流行度预测方法，其特征在于，所述对所述预置XGBoost分类模型进行训练，包括：

初始化所述预置XGBoost分类模型的参数，将学习率预置为0.007，生成树深度预置为130，迭代值预置为500，对所述预置XGBoost分类模型进行训练。

7.一种媒体信息流行度预测装置，其特征在于，包括：

预处理模块，用于对获取到的媒体信息数据进行预处理，所述媒体信息包括用户信息、视觉信息和文本信息；

特征提取融合模块，用于对所述媒体信息数据进行特征提取，将得到的每个所述媒体信息数据对应的用户信息特征、视觉信息特征和文本信息特征进行特征融合；

预测模块，用于将所述特征融合得到的特征数据输入到用于预测媒体流行度的预置XGBoost分类模型中，得到所述预置XGBoost分类模型输出的预测流行度。

8.根据权利要求7所述的媒体信息流行度预测装置，其特征在于，还包括：

性能评估模块，用于基于所述预测流行度对所述预置XGBoost分类模型进行性能评估。

9.根据权利要求7所述的媒体信息流行度预测装置，其特征在于，还包括：

训练模块，用于对所述预置XGBoost分类模型进行训练。

10.一种媒体信息流行度预测设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-6所述的任一种媒体信息流行度预测方法。