[发明专利]一种基于多级注意力机制网络的移动应用流行度预测方法

说明书

本发明公开了一种基于多级注意力机制网络的移动应用流行度预测方法，获取移动应用的各项特征数据，对数据进行预处理操作，针对时序数据进行标准化等操作，筛选用于流行度预测的特征；分析所述筛选出的特征序列与目标应用的流行度序列的线性、非线性相关性；对于不同类型的特征设计不同模块，包括时间层级模块、特征层级模块，用于捕获特征与目标应用的流行度之间的相关性；构建不同模块间共享相同的网络结构，不同模块的输出进行融合并输入至多层感知机中，生成对目标应用未来流行度的预测值。

技术领域

本发明涉及移动应用的流行度分析与预测问题，尤其涉及基于多级注意力机制网络的移动应用流行度预测问题。

背景技术

随着智能手机的普及，数以万计的移动应用在应用市场中发布并服务于人们生活中的多个方面，例如社交通信、在线购物和日常娱乐等。而用户在移动设备上下载并安装的应用数量非常有限。面对应用市场中如此激烈的竞争与应用程序日趋同质化的倾向，针对应用的流行度演化进行建模和预测具有很强的研究价值与应用价值。对于开发者而言，预先知道流行度的变化趋势能够助力运营决策，当未来流行度表现不佳时便于提前制定计划、采取措施以及时提高产品的人气。对于广告商和投资者来说，及时掌握目标应用的未来流行度表现有利于正确选择短期合作或投资对象，促使收益最大化并有效规避投资风险。对于应用市场来说，预知流行度有助于更新市场排名信息，提高用户对于推荐服务的体验。

现有的预测机制比较单一，没有考虑流行度预测的众多影响因素，得到的预测结果不够准确。

发明内容

针对以上缺陷，本发明提供一种包含多特征、多层级的融合多级注意力机制网络的移动应用流行度预测方法移动应用流行度预测方法，有效的用于市场对用户的服务。

本发明的一种基于多级注意力机制网络的移动应用流行度预测方法的技术方案为：

一种基于多级注意力机制网络的移动应用流行度预测方法，包括：获取移动应用的各项特征数据，对数据进行预处理操作，针对时序数据进行标准化等操作，筛选用于流行度预测的特征；

分析所述筛选出的特征序列与目标应用的流行度序列的线性、非线性相关性；

对于不同类型的特征设计不同模块，包括时间层级模块、特征层级模块，用于捕获特征与目标应用的流行度之间的相关性；

构建不同模块间共享相同的网络结构，不同模块的输出进行融合并输入至多层感知机中，生成对目标应用未来流行度的预测值。

进一步地，一种基于多级注意力机制网络的移动应用流行度预测方法，所述用于预测的特征包括：下载量、评论量、评分和用户情感得分。

进一步地，一种基于多级注意力机制网络的移动应用流行度预测方法，所述时间层级模块用于捕获时间级自序列相关性，利用移动应用的历史流行度表现预测未来一段时间的流行度。

进一步地，一种基于多级注意力机制网络的移动应用流行度预测方法，所述特征层级模块包括局部特征模块和全局特征模块。

进一步地，一种基于多级注意力机制网络的移动应用流行度预测方法，所述局部特征模块用于捕获移动应用自身相关特征包括评论、评分和用户情感等与流行度的动态相关性。

进一步地，一种基于多级注意力机制网络的移动应用流行度预测方法，所述全局特征模块用于捕获与目标应用存在交互影响关系的应用流行度序列与目标应用流行度序列的相关性。

进一步地，一种基于多级注意力机制网络的移动应用流行度预测方法，所述网络结构为包含注意力机制的循环神经网络结构；所述循环神经网络用于捕获不同时间序列的历史状态对当前状态的影响；所述注意力机制用于为不同特征的历史状态分配权重，也为模型提供了可解释性。