随着社交媒体的迅猛发展,社交媒体数据日趋多样化,其中包括视频、图像、文本、时间、地理信息等,从而使得利用多模态数据来预测社交媒体流行度成为现实。传统的社交媒体流行度预测方法需要通过先验知识人工提取特征,难以将特征提取器与回归器相结合,过程复杂且难以适应如今的大数据特征处理。对于越来越多因素影响下的社交媒体流行度预测问题,传统方法的泛化能力不足。在实际的实验中,发现不同模态的数据对社交媒体流行度预测的影响存在较大差异,而且不同模态数据相互组合而成的多模态数据对预测结果的影响并不是线性叠加的。大规模的多模态数据无法充分有效地用来预测社交媒体流行度。另外,社交媒体数据存在的严重的样本不均衡问题也约束了流行度预测。本文以多模态数据特征为基础,主要研究和贡献如下:(1)针对时间和地理等单尺度数据,根据每一类数据的特点,分别采用时间尺变换和地理信息转换的方法将这些数据尽量多地转化为多尺度特征。针对文本数据,采用Doc2vec算法将其转化为语义相关的向量。(2)为了获得更多图像模态特征,本文采用预训练的深度学习模型Inception_v4和Place2-365-CNN分别获得图片的类别特征和场景特征,并采用主色调提取算法获得图片的主色调特征。(3)为了探索和利用多模态数据联合预测社交媒体流行度,本文提出使用深度卷积神经网络叠加全连接层来提取并融合多模态特征,最后用XGB oost来预测流行度。(4)分析本文获得的多模态深度融合特征的有效成分,检验本文提出的CNN-XGBoost算法的有效性,分析CNN结构对预测结果的影响。实验表明,本文提出基于CNN的多模态深度融合特征的社交媒体流行度预测算法有效的提取并融合了多模态特征,其在SMHP数据集是获得较好的性能,其中MSE达到0.9187,MAE达到0.5592,SPR达到0.9175。