微信公眾號文章熱度的預(yù)測與應(yīng)用
發(fā)布時間：2021-07-15 11:54
隨著微信的迅速發(fā)展,提高文章的熱度是微信公眾號面臨的重要任務(wù),本研究以商場微信公眾號作為研究對象進行研究。對于商場公眾號而言,文章閱讀量是衡量商場信息傳播熱度的重要指標,文章標題作為用戶與文章的連接,很大程度上會影響閱讀量的結(jié)果。因此,本文基于微信公眾平臺文章,研究了兩個方面的問題:文章閱讀量預(yù)測和文章標題生成。在閱讀量預(yù)測問題上,本研究結(jié)合歷史閱讀量和統(tǒng)計特征,基于LSTM混合預(yù)測模型對微信公眾號閱讀量進行預(yù)測。在歷史閱讀量特征方面,使用LSTM模型建模歷史閱讀量序列;在統(tǒng)計特征方面,考慮到微信公眾號文章存在時間依賴和空間依賴,采用了層次化LSTM模型,低層網(wǎng)絡(luò)建模時間維度特征,高層網(wǎng)絡(luò)建�？臻g維度特征,以降低預(yù)測的偏差。由于基于歷史數(shù)據(jù)的模型輸入中包含較完整的歷史序列數(shù)據(jù),能較好預(yù)測長期趨勢,而基于統(tǒng)計特征具有較好的短時擬合效果,因此為了更好地結(jié)合二者的優(yōu)勢,本研究采用了混合預(yù)測模型實現(xiàn)對閱讀量的預(yù)測。實驗表明,本文采用的方法具有較高的預(yù)測精度。在標題生成問題上,本研究基于Seq2Seq結(jié)合TextRank梯度賦值的先驗知識,實現(xiàn)根據(jù)微信公眾號文章內(nèi)容生成文章標題的任務(wù)。考慮到標題...
【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：78 頁
【學位級別】：碩士
【部分圖文】：
微信公眾號推送消息示例
在閱讀量預(yù)測問題的研究上，多數(shù)研究僅僅依靠歷史數(shù)據(jù)，而忽略了其他統(tǒng)??計特征（熱度影響因素）對于預(yù)測的影響，本研究基于歷史閱讀量數(shù)據(jù)和統(tǒng)計特??征，基于ＬＳＴＭ混合預(yù)測模型，實現(xiàn)對公眾號文章閱讀量預(yù)測的任務(wù)。如圖１－２??所示，本部分主要內(nèi)容為：基于歷史數(shù)據(jù)的預(yù)測、基于統(tǒng)計特征的預(yù)測和混合預(yù)??５??
１．３．２微信公眾號文章標題生成??在標題生成問題上，本研宄提出了基于ＴｅｘｔＲａｎｋ先驗知識的Ｓｅｑ２Ｓｅｑ的標??題生成模型，用于完成基于文章內(nèi)容生成文章標題的任務(wù)。如圖１－３所示，本部??分主要內(nèi)容為：數(shù)據(jù)預(yù)處理（包含數(shù)據(jù)清洗、詞向量訓練和“標題黨”過濾）和??標題生成模型兩大部分。??７??
【參考文獻】：
期刊論文
[1]輿情短文本挖掘的數(shù)學模型及其實現(xiàn)[J]. 王超,彭湃,李波. 數(shù)學建模及其應(yīng)用. 2018(03)
[2]微信公眾號信息傳播熱度的影響因素實證分析[J]. 趙盛華. 新媒體研究. 2018(07)
[3]結(jié)合注意力機制的新聞標題生成模型[J]. 李慧,陳紅倩,馬麗儀,祁梅. 山西大學學報(自然科學版). 2017(04)
[4]微信公眾號信息傳播影響因素分析[J]. 紀慧生,蔡東妮. 集美大學學報(哲社版). 2016(04)
[5]基于WSFT模型的深層網(wǎng)文本獲取方法[J]. 楊貫中,李虹萱. 計算機工程與應(yīng)用. 2017(18)
[6]一種基于主客觀權(quán)重信息集成的多屬性群決策[J]. 林國光,宋海洲. 統(tǒng)計與決策. 2016(12)
[7]融合Word2vec與TextRank的關(guān)鍵詞抽取研究[J]. 寧建飛,劉降珍. 現(xiàn)代圖書情報技術(shù). 2016(06)
[8]融入顯著性事件信息的標題生成方法[J]. 楊冰,孫銳,姬東鴻. 計算機工程與應(yīng)用. 2016(24)
[9]面向用戶興趣與社區(qū)關(guān)系的微博話題檢測方法[J]. 劉志雄,賈彩燕. 智能系統(tǒng)學報. 2016(03)
[10]微信公眾號信息傳播熱度的影響因素實證研究[J]. 方婧,陸偉. 情報雜志. 2016(02)
碩士論文
[1]科技信息自動跟蹤管理系統(tǒng)研究與實現(xiàn)[D]. 喬佳新.西安理工大學 2018
[2]基于維基百科內(nèi)容生成的協(xié)作認知研究[D]. 張詩悅.北京郵電大學 2018
[3]基于線下零售的客群預(yù)測研究[D]. 王聰.北京郵電大學 2018
[4]面向漢英專利文獻的神經(jīng)網(wǎng)絡(luò)翻譯模型的集外詞翻譯研究[D]. 鄭曉康.北京交通大學 2017
[5]基于隨機森林的類風濕關(guān)節(jié)炎證型判別模型研究[D]. 蔡曉路.北京中醫(yī)藥大學 2016
[6]基于AFS理論的模糊分類器設(shè)計[D]. 陳誠.大連理工大學 2009
本文編號：3285656
【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】：78 頁
【學位級別】：碩士
【部分圖文】：
微信公眾號推送消息示例
在閱讀量預(yù)測問題的研究上，多數(shù)研究僅僅依靠歷史數(shù)據(jù)，而忽略了其他統(tǒng)??計特征（熱度影響因素）對于預(yù)測的影響，本研究基于歷史閱讀量數(shù)據(jù)和統(tǒng)計特??征，基于ＬＳＴＭ混合預(yù)測模型，實現(xiàn)對公眾號文章閱讀量預(yù)測的任務(wù)。如圖１－２??所示，本部分主要內(nèi)容為：基于歷史數(shù)據(jù)的預(yù)測、基于統(tǒng)計特征的預(yù)測和混合預(yù)??５??
１．３．２微信公眾號文章標題生成??在標題生成問題上，本研宄提出了基于ＴｅｘｔＲａｎｋ先驗知識的Ｓｅｑ２Ｓｅｑ的標??題生成模型，用于完成基于文章內(nèi)容生成文章標題的任務(wù)。如圖１－３所示，本部??分主要內(nèi)容為：數(shù)據(jù)預(yù)處理（包含數(shù)據(jù)清洗、詞向量訓練和“標題黨”過濾）和??標題生成模型兩大部分。??７??
【參考文獻】：
期刊論文
[1]輿情短文本挖掘的數(shù)學模型及其實現(xiàn)[J]. 王超,彭湃,李波. 數(shù)學建模及其應(yīng)用. 2018(03)
[2]微信公眾號信息傳播熱度的影響因素實證分析[J]. 趙盛華. 新媒體研究. 2018(07)
[3]結(jié)合注意力機制的新聞標題生成模型[J]. 李慧,陳紅倩,馬麗儀,祁梅. 山西大學學報(自然科學版). 2017(04)
[4]微信公眾號信息傳播影響因素分析[J]. 紀慧生,蔡東妮. 集美大學學報(哲社版). 2016(04)
[5]基于WSFT模型的深層網(wǎng)文本獲取方法[J]. 楊貫中,李虹萱. 計算機工程與應(yīng)用. 2017(18)
[6]一種基于主客觀權(quán)重信息集成的多屬性群決策[J]. 林國光,宋海洲. 統(tǒng)計與決策. 2016(12)
[7]融合Word2vec與TextRank的關(guān)鍵詞抽取研究[J]. 寧建飛,劉降珍. 現(xiàn)代圖書情報技術(shù). 2016(06)
[8]融入顯著性事件信息的標題生成方法[J]. 楊冰,孫銳,姬東鴻. 計算機工程與應(yīng)用. 2016(24)
[9]面向用戶興趣與社區(qū)關(guān)系的微博話題檢測方法[J]. 劉志雄,賈彩燕. 智能系統(tǒng)學報. 2016(03)
[10]微信公眾號信息傳播熱度的影響因素實證研究[J]. 方婧,陸偉. 情報雜志. 2016(02)
碩士論文
[1]科技信息自動跟蹤管理系統(tǒng)研究與實現(xiàn)[D]. 喬佳新.西安理工大學 2018
[2]基于維基百科內(nèi)容生成的協(xié)作認知研究[D]. 張詩悅.北京郵電大學 2018
[3]基于線下零售的客群預(yù)測研究[D]. 王聰.北京郵電大學 2018
[4]面向漢英專利文獻的神經(jīng)網(wǎng)絡(luò)翻譯模型的集外詞翻譯研究[D]. 鄭曉康.北京交通大學 2017
[5]基于隨機森林的類風濕關(guān)節(jié)炎證型判別模型研究[D]. 蔡曉路.北京中醫(yī)藥大學 2016
[6]基于AFS理論的模糊分類器設(shè)計[D]. 陳誠.大連理工大學 2009
本文編號：3285656
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3285656.html
最近更新
教材專著
