-
题名基于时间卷积网络的科技需求主题热度预测算法
被引量：2
- 1
-
-
作者
崔海燕
李雅文
徐欣
-
机构
北京邮电大学计算机学院
北京邮电大学经济与管理学院
-
出处
《广西科学》
CAS
北大核心
2022年第4期627-633,共7页
-
基金
国家重点研发计划项目(2018YFB1402600)
国家自然科学基金项目(61772083,61877006,61802028,62002027)资助。
-
文摘
得益于深度学习的快速发展,大数据分析技术不仅在自然语言处理领域应用广泛,在数值预测领域也更加成熟。为了提高科技需求数据主题热度预测的准确率,本文提出一种基于时间卷积网络(Time Convolution Network, TCN)的科技需求主题热度预测方法(Subject Heat of Science and Technology Demand Prediction Based on Time Convolution Network, SHDP-TCN),该方法融入科技需求的主题特征,并基于TCN及自注意力机制进行时序预测。实验结果表明,在真实的科技需求数据集上,本算法对科技需求主题热度的预测准确率优于自回归积分滑动平均(Auto Regressive Integrated Moving Average, ARIMA)、长短时记忆(Long Short-Term Memory, LSTM)网络、卷积神经网络(Convolutional Neural Networks, CNN)和TCN等算法。
-
关键词
科技需求数据
TCN网络
自注意力机制
科技需求主题热度预测
残差块
-
Keywords
science and technology demand data
TCN network
self-attention mechanism
subject heat of science and technology demand prediction
residual block
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
