融资市场集资预测一直是金融领域的一个热点研究课题,如融资市场中众筹活动的集资表现预测和众筹活动集资周期的预测。融资市场类别多种多样,如教育融资和创业融资等,很多科研人员针对特定融资市场做了相关集资预测研究。在教育类融资市场中,传统的算法更多的是利用历史数据和经验方法,这些传统的实证分析方法不能有效利用到现实生活中的社交关系和融资信息,很难精确地挖掘融资市场中众筹活动的融资能力。所以本文提出基于深度异构图注意力网络的融资预测算法,将特定教育融资市场中的不同节点及关系构建成异构图,并分别处理社交信息和融资信息来预测平台项目的融资表现。此外,过往的市场研究方法大多将视角放在孤立的市场上,依靠对特定市场内的知识来最大化预测性能。然而,这些针对特定市场的方法受到孤立市场的知识限制,无法处理不同异质市场之间复杂而潜在的关系,尤其是一些具有强烈依赖性的市场,如融资市场和销售市场。因此,本文提出了合作-竞争注意力深度迁移网络来挖掘不同市场间的复杂关系,并且能够同时促进融资市场众筹项目的集资预测和销售市场商品的流行度预测。本文的主要研究工作如下:（1）本文提出了一种基于深度异构图注意力网络的融资预测算法（HGFP）,它可以有效地挖掘教育融资市场中不同角色和项目之间的复杂社交关系。具体来说,该算法将教育融资市场中的教师、项目、捐助者这三类节点和他们之间的关系建模成异构图,并对项目的属性信息进行分类,分成社交信息和融资信息两类。对于教育融资项目的社交信息,本文将其输入进异构图注意力网络,以此来获得项目的社交知识。而对于融资信息,本文利用多层感知机获取项目的融资知识,最后融合这两类知识进行项目的融资表现预测。本文在Donors Choose教育融资平台上验证了HGFP算法的性能,在所有评价指标上均优于其他对比算法。（2）本文提出了一种跨市场的合作-竞争注意力深度迁移网络（CATN）,它可以有效地在两个异质市场之间迁移众筹市场的融资能力知识和电子商务市场的销售前景知识。具体来说,为了捕捉市场间的复杂关系,特别是项目之间的合作或互补关系,来加强两个异质市场之间的知识迁移,本文设计了一种新颖的合作注意力机制;同时,为了精细度量项目间的关系,特别是在特定的同一市场内的竞争关系,本文进一步为两个市场分别设计了竞争注意力机制。此外,CATN模型还区分了对齐的特征和市场独有特征来适应跨市场的预测。利用从Indiegogo和Amazon上收集的真实世界数据集,本文在这两个市场的三种数据集上进行了广泛的实验,结果验证了CATN模型的有效性和通用性。