一种基于话题认同度的引导型话题传播预测方法

本发明涉及社交网络领域，特别涉及一种基于话题认同度的引导型话题传播预测方法，包括基于迁移学习方法从原始话题数据中提取与衍生话题数据匹配的通用特征数据，将通用特征数据与衍生话题数据构成丰富衍生话题数据；采用生成对抗网络迭代学习丰富衍生话题数据生成新衍生话题数据；对新衍生话题数据进行时间切片；针对每一时段的新衍生话题数据提取特征向量，所有特征向量组成训练集；构建图卷积网络，采用训练集训练图卷积网络；获取当前时段t的衍生话题数据并输入图卷积网络，输出下一时段t+1衍生话题传播趋势；本发明基于用户的兴趣偏好计算话题领域共现度，更准确地表现用户对话题的态度和认同程度，提高预测准确性。