删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于多级注意力机制网络的app流行度预测

本站小编 Free考研考试/2022-01-01

张艺璇,郭斌,刘佳琪,欧阳逸,於志文
(西北工业大学计算机学院 西安 710029) (zhangyixuan2014@mail.nwpu.edu.cn)
出版日期: 2020-05-01


基金资助:国家重点研发计划项目(2017YFB1001803);国家自然科学基金项目(61772428,61725205)

app Popularity Prediction with Multi-Level Attention Networks

Zhang Yixuan, Guo Bin, Liu Jiaqi, Ouyang Yi, Yu Zhiwen
(College of Computer Science, Northwestern Polytechnical University, Xi’an 710029)
Online: 2020-05-01


Supported by:This work was supported by the National Key Research and Develpment Program of China (2017YFB1001803) and the National Natural Science Foundation of China (61772428, 61725205).




摘要/Abstract


摘要: 移动app流行度预测从运营策略优化到短期广告投资都具有重要意义.利用应用市场提供的丰富数据,挖掘不同特征指标与流行度之间的动态关联,从而预测未来一段时间内app的流行度变化过程及其原因,对于开发者、投资商和应用市场三方都具有应用价值.然而,app流行度高度动态变化,其影响因素十分复杂,包括app自身迭代演化、用户反馈、同类产品的市场竞争等.目前,针对app流行度建模与预测的研究工作相对较少,大多通过构造人工特征并构建与流行度的关联来进行预测,在模型的计算性能、预测精度和结果可解释性等方面存在可提升的空间.因此针对app流行度建模与预测提出一种基于注意力机制的深度神经网络模型DeePOP,并针对复杂影响因素进行分级建模.通过时间级自序列模块捕获对历史流行度的长期依赖,利用局部、全局特征层级模块构建影响特征与流行度的非线性关系.同时,注意力机制为不同模块提供自适应能力,以捕获与流行度变化最相关的历史状态并针对预测结果提供一定的解释.实验结果表明:与现有流行度预测方法相比,DeePOP能够快速高效地进行app流行度建模与预测,预测均方根误差为0.089.






[1]廖海斌, 徐斌. 基于性别和年龄因子分析的鲁棒性人脸表情识别[J]. 计算机研究与发展, 2021, 58(3): 528-538.
[2]刘颖, 杨轲. 基于深度集成学习的类极度不均衡数据信用欺诈检测算法[J]. 计算机研究与发展, 2021, 58(3): 539-547.
[3]曾碧卿, 曾锋, 韩旭丽, 商齐. 基于交互特征表示的评价对象抽取模型[J]. 计算机研究与发展, 2021, 58(1): 224-232.
[4]陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986.
[5]张世琨, 谢睿, 叶蔚, 陈龙. 基于关键词的代码自动摘要[J]. 计算机研究与发展, 2020, 57(9): 1987-2000.
[6]陈可佳, 鲁浩, 张嘉俊. 条件变分时序图自编码器[J]. 计算机研究与发展, 2020, 57(8): 1663-1673.
[7]杜圣东, 李天瑞, 杨燕, 王浩, 谢鹏, 洪西进. 一种基于序列到序列时空注意力学习的交通流预测模型[J]. 计算机研究与发展, 2020, 57(8): 1715-1728.
[8]李梦莹, 王晓东, 阮书岚, 张琨, 刘淇. 基于双路注意力机制的学生成绩预测模型[J]. 计算机研究与发展, 2020, 57(8): 1729-1740.
[9]陈彦敏, 王皓, 马建辉, 杜东舫, 赵洪科. 基于层级注意力机制的互联网用户信用评估框架[J]. 计算机研究与发展, 2020, 57(8): 1755-1768.
[10]林培光, 周佳倩, 温玉莲. SCONV:一种基于情感分析的金融市场趋势预测方法[J]. 计算机研究与发展, 2020, 57(8): 1769-1778.
[11]张金宏, 王兴伟, 易波, 黄敏. 一种面向主干网的器件级动态功率感知节能机制[J]. 计算机研究与发展, 2020, 57(7): 1347-1368.
[12]李若南, 李金宝. 一种无源被动室内区域定位方法的研究[J]. 计算机研究与发展, 2020, 57(7): 1381-1392.
[13]邢新颖, 冀俊忠, 姚垚. 基于自适应多任务卷积神经网络的脑网络分类方法[J]. 计算机研究与发展, 2020, 57(7): 1449-1459.
[14]于海涛, 杨小汕, 徐常胜. 基于多模态输入的对抗式视频生成方法[J]. 计算机研究与发展, 2020, 57(7): 1522-1530.
[15]王庆林, 李东升, 梅松竹, 赖志权, 窦勇. 面向飞腾多核处理器的Winograd快速卷积算法优化[J]. 计算机研究与发展, 2020, 57(6): 1140-1151.





PDF全文下载地址:

https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4180
相关话题/计算机 数据 序列 市场 优化

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 2020数据驱动网络专题前言
    崔勇1,马华东2,陈凯3,俞敏岚4,刘洪强51(清华大学北京100084);2(北京邮电大学北京100876);3(香港科技大学香港999077);4(哈佛大学美国马萨诸塞州剑桥市02138);5(阿里巴巴杭州310023)出版日期:2020-04-01Online:2020-04-01摘要/Abs ...
    本站小编 Free考研考试 2022-01-01
  • 机器学习在SDN路由优化中的应用研究综述
    王桂芝1,吕光宏1,贾吾财1,贾创辉1,张建申21(四川大学计算机学院成都610065);2(7584部队广西桂林541001)(lghong@scu.edu.cn)出版日期:2020-04-01基金资助:国家自然科学基金项目(61373091)AReviewontheApplicationofMa ...
    本站小编 Free考研考试 2022-01-01
  • 面向低维工控网数据集的对抗样本攻击分析
    周文1,3,张世琨2,丁勇4,陈曦51(北京大学软件与微电子学院北京100871);2(北京大学软件工程国家工程研究中心北京100871);3(中国航空油料集团有限公司北京100088);4(鹏城实验室广东深圳518000);5(中国软件测评中心北京100048)(zhou.wen@pku.edu. ...
    本站小编 Free考研考试 2022-01-01
  • 公交数据驱动的城市车联网转发机制
    唐晓岚,顼尧,陈文龙(首都师范大学信息工程学院北京100048)(tangxl@cnu.edu.cn)出版日期:2020-04-01基金资助:国家重点研发计划项目(2018YFB1800403);国家自然科学基金项目(61872252);北京市自然科学基金项目(4202012);北京市教委科技计划一 ...
    本站小编 Free考研考试 2022-01-01
  • 面向云数据中心多语法日志通用异常检测机制
    张圣林1,李东闻1,孙永谦1,孟伟彬2,3,4,张宇哲1,张玉志1,刘莹3,4,裴丹2,41(南开大学软件学院天津300350);2(清华大学计算机科学与技术系北京100084);3(清华大学网络科学与网络空间研究院北京100084);4(北京信息科学与技术国家研究中心北京100084)(zhang ...
    本站小编 Free考研考试 2022-01-01
  • 基于半监督学习的无线网络攻击行为检测优化方法
    王婷1,2,王娜3,崔运鹏1,2,李欢1,21(中国农业科学院农业信息研究所北京100081);2(农业农村部农业大数据重点实验室(中国农业科学院农业信息研究所)北京100081);3(96962部队北京102206)(wangting01@caas.cn)出版日期:2020-04-01基金资助:国 ...
    本站小编 Free考研考试 2022-01-01
  • 基于用户级融合I/O的Key-Value存储系统优化技术研究
    安仲奇1,张云尧1,2,邢晶1,霍志刚1,21(计算机体系结构国家重点实验室(中国科学院计算技术研究所)北京100190);2(中国科学院大学计算机与控制工程学院北京100049)(anzhongqi@ncic.ac.cn)出版日期:2020-03-01基金资助:国家重点研发计划项目(2018YFC ...
    本站小编 Free考研考试 2022-01-01
  • 2020大数据与智能存储系统前沿技术专题前言
    舒继武1,王意洁21(清华大学北京100084);2(国防科技大学长沙410073)出版日期:2020-02-01Online:2020-02-01摘要/Abstract摘要:近年来,随着国家和社会信息化发展的不断加速,对信息存储提出了越来越高的要求.一方面,大数据时代,数据存储的规模和处理需求越来 ...
    本站小编 Free考研考试 2022-01-01
  • 面向非易失内存写优化的重计算方法
    张铭,华宇,刘璐荣,胡蓉,李子怡(武汉光电国家研究中心(华中科技大学)武汉430074)(华中科技大学计算机学院武汉430074)(csmzhang@hust.edu.cn)出版日期:2020-02-01基金资助:国家自然科学基金项目(61772212)AWrite-OptimizedRe-comp ...
    本站小编 Free考研考试 2022-01-01
  • 新型存储设备上重复数据删除指纹查找优化
    何柯文,张佳辰,刘晓光,王刚(南开大学计算机学院天津300350)(天津市网络与数据安全技术重点实验室(南开大学)天津300350)(hekw@nbjl.nankai.edu.cn)出版日期:2020-02-01基金资助:国家自然科学基金项目(U1833114,61872201,61702521,6 ...
    本站小编 Free考研考试 2022-01-01