【摘 要】
：
针对目前热点话题趋势预测模型长距离依赖不足的问题，提出一种融合LSTM与卷积神经网络的话题趋势预测模型TP-CT（Topic Propagation base on CNN and TCN）。首先以热度值为基础融合上文信息，然后分别通过LSTM网络及卷积神经网络耦合不同距离的时序信息和空间结构信息、全局时间和空间结构信息并送入全链接神经网络预测出热度趋势值。实验结果表明：与现有研究相比，TP-CT
论文部分内容阅读
针对目前热点话题趋势预测模型长距离依赖不足的问题，提出一种融合LSTM与卷积神经网络的话题趋势预测模型TP-CT（Topic Propagation base on CNN and TCN）。首先以热度值为基础融合上文信息，然后分别通过LSTM网络及卷积神经网络耦合不同距离的时序信息和空间结构信息、全局时间和空间结构信息并送入全链接神经网络预测出热度趋势值。实验结果表明：与现有研究相比，TP-CT模型的均方误差、均方根误差、平均绝对误差最低降低了1%、2%、1%，表明该模型是合理有效的。
其他文献
当今的优良猪种常常存在食欲低的问题,这会影响其一生的性能表现,其代价是高昂的。本文解释了产生这一问题的原因及克服这一问题的方法。
本文利用正交极值法，分析了阳压、阳流、栅流和加热时间对高频感应淬火法兰盘硬化层深的影响。通过BP神经网络建立硬化层深模型，研究了真空管式电源的感应加热淬火规律，开发了产品新工艺。结果表明：BP神经网络可对硬化层深进行可靠的预测，能够有效地控制高频感应淬火的生产质量。
本研究的目的是为了获得一些有价值的信息使得商品猪在断奶期能够安全过渡。在断奶前,我们将属于植物血凝素（PHA）的天然红扁豆凝集素强制饲喂于24头杂种仔猪[（瑞典长白×约克夏）×汉普夏],此外还强制饲喂给24头对照仔猪-乳白蛋白以研究其对生长状况、断奶后下痢、取食行为和消化道的一些解剖及生理学性状。同窝仔猪被随机的分配到PHA试验组和对照组,并饲养在相同的饲槽从试验开始（断奶前7 d添加PHA）到结
选取合适的评价单元是泥石流易发性评价的关键，为探索斜坡单元不同划分方法对泥石流易发性评价结果的影响，本文以泥石流多发地东川区为例，对比分析了水文分析法和曲率分水岭法两种斜坡单元划分方法在泥石流易发性评价中的效果。首先在解译泥石流点的基础上，采用不同划分方法的斜坡单元作为评价单元，然后对初步选取的指标因子进行多重共线性和贡献率分析，以完善指标因子体系，最后构建基于BP神经网络的泥石流易发性评价模型。
股票市场是一个动态的复杂非线性系统,一直以来其未来趋势被认为难以预测,但是精确把握股票市场未来的趋势,对于监管机构、投资机构以及个人都有重要的现实意义。随着数学统计方法的不断发展和完善,使用数学模型准确量化股市未来趋势是至今仍旧火热的研究课题。在研究推进过程中,涌现了许多线性模型和非线性模型的方法。其中,机器学习模型因其强大的表征非线性数据的能力而慢慢受到研究者的重视,在股市预测中也取得了不错的效
针对服装销售过程中供求不平衡等问题，提出了一种自回归移动平均（ARIMA）和长短期神经网络（LSTM）相结合的服装流行趋势预测模型。首先，利用网络爬虫技术获取服装的销售、评论等相关信息；然后，采用ARIMA模型对不同色彩属性下的服装销量预测其线性特征，通过LSTM修正ARIMA模型的预测残差；最后，对比ARIMA模型和ARIMA-LSTM组合模型的预测精度和性能。实验表明，与单一的时间序列算法相比
企业的信誉评级是银行制定信贷策略的重要依据，因此，本文提出了一种基于因子分析法和神经网络相结合的企业信誉等级预测方法。在相关文献研究的基础上，确定平均利润、满意率、抗风险能力、影响力、增长率作为重要因子，再利用因子分析法计算得到相应权重，分析得到信誉等级预测模型，将预测等级作为BP神经网络的输入。仿真结果显示，基于因子分析和BP神经网络模型的中小微企业信誉等级模型具有一定的可行性，研究结果为银行制