【摘 要】
:
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
论文部分内容阅读
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。
其他文献
专利数据是人们在生产和科研活动中发明创造的技术信息的集合,可以反映各技术领域中的最新技术动向和发展趋势,是促进自主创新和提高国家竞争能力的战略性信息资源。专利数据不仅包含技术描述文本,还包含发明人、申请人、专利引用及层次标签等信息,丰富的数据种类体现专利数据的异质特性。大多专利分析方法面临大数据学习问题,需要利用表示学习方法,实现对信息的压缩和融合。对专利数据进行表示学习,旨在研究专利文本及其多种
图像信号处理器(ISP)是相机中不可缺少的模组,它负责将来自相机传感器的原始数据转换为具有美感的图像。其中,ISP中的去马赛克算法旨在从单通道原始数据,即彩色滤光片阵列(CFA),中恢复出三通道全分辨率RGB图像。另外,在现实场景中,特别是在夜间环境中,CFA通常会被复杂的噪声所污染。因此,在去马赛克之前,通常需要对CFA进行去噪处理。去噪和去马赛克这两个模块在摄像机ISP中起着至关重要的作用,因
在计算机视觉和模式识别等领域中,图匹配无论是在理论研究还是实际应用方面都是重要的研究课题。图匹配问题旨在建立两个或多个图结构之间的节点对应关系。利用图匹配技术可以获得图数据之间的匹配关系,因此图匹配被广泛应用于图像配准、目标检测、目标跟踪,三维重建、行人重新识别等研究领域中。近年来,随着深度学习的快速发展,研究人员将深度学习与传统的图匹配问题相结合,提出了深度图匹配模型,从而可以获得更高的匹配精度
深度学习技术已经被广泛应用于图像处理和语音识别等领域,主要原因是该技术通过使用深层次的非线性结构能够学习相关数据特征,由此能得到数据深层次特征之间的联系。目前,国内外相关学者和研究人员已经将深度学习技术应用于文本处理等相关问题中,解决了传统机器学习算法存在的无法处理大量复杂数据的问题。但是,现有的字符级文本分类方法在提取关键信息能力方面还存在不足,例如下采样丢失关键信息以及数据稀疏等问题,导致实际
随着计算机技术的快速迭代,人们的日常生活也发生了革命性的变化,计算机视觉技术带给人们巨大的便利。立体匹配是一个基本的三维视觉问题,只需要两台相机即可完成对场景深度的估计,因此可直接应用于机器人、增强现实、摄影测量和视频理解等领域中。同时,热成像设备逐渐地小型化、廉价化、清晰化,相比于常见的可见光成像设备容易受到时间、环境等问题的干扰,热成像设备对光线不敏感的特性愈发受到学者们的青睐。红外热像立体匹
网络表示学习,也称为网络嵌入,旨在将网络中的节点使用低维稠密的向量进行表示,使得表示后的节点向量尽量保持网络中固有的结构相似性和属性相似性。嵌入后的节点向量可以被应用于节点分类、节点可视化等众多网络分析任务中,从而帮助人们快速方便地提取网络中潜在的重要信息,因此网络表示学习具有很重要的研究意义。目前大多数网络表示学习方法是针对固定不变的网络进行嵌入的,而对于一个不断增加新节点的网络则没有归纳表示的
优化问题是指在所有解空间中求取最佳解的问题,如旅行商问题、背包问题和资本预算问题等,较有代表性的经典优化算法,如梯度下降法、共轭梯度法、拉格朗日乘数法等,但是这些经典算法在解决复杂的高维问题和求解全局最优化问题等方面,存在诸多不足,难以得到较好的效果。近年来,群智能优化算法因其适用范围广、操控简单等优点受到了科研工作者的青睐。群智能优化算法启发于自然界中蚂蚁、蝙蝠、鱼群等生物群体行为机制,单个生物
目的 总结慢性阻塞性肺疾病(COPD)患者雾化吸入装置规范应用的最佳证据,为患者能够正确、有效使用吸入装置提供指导,为长期开展雾化吸入实践提供循证依据。方法 计算机检索国际指南图书馆(GIN)官网、新西兰指南工作组、欧洲呼吸协会、加拿大安大略注册护士协会(RNAO)官网、英国胸科协会(BTS)、中国指南网、英国国家临床医学研究所指南库(NICE)、JBI、Cochrane Library、BMJ、
DNA结合蛋白(DBPs)和RNA结合蛋白(RBPs)在基因调控和基因表达中起着至关重要的作用,包括转录和选择性剪接。此外,大量研究表明一些蛋白与人类的疾病相关。因此,准确识别出与DNA/RNA结合的蛋白具有重要意义。由于DBPs和RBPs在生物上具有相似的功能结构,传统方法需要人工提取特征以及需要耗费很大的成本和时间,无法满足目前大规模基因组数据进行测试的需求。因此,如何有效地识别出核酸绑定蛋白
当前推荐算法中数据种类丰富且表示复杂,传统的推荐算法中使用的数据分析模型和方法,对精度提升效果不理想。缺乏统一的框架对复杂数据进行建模,即便是对同一类数据,数据中蕴含的信息也无法进行分类建模。因此针对以上问题,本文提出对信息进行分类,刻画数据中蕴含的各种信息,将数据中的有效信息挖掘出来,对信息进行相应的归类和建模。本文将用户和项目的交互数据蕴含的信息按照是否可以线性获取分为显式反馈信息和隐式反馈信