一种基于时间感知超图学习的多模态社交媒体流行度预测方法

本发明属于信息传播技术领域，公开了一种基于时间感知超图学习的多模态社交媒体流行度预测方法，首先，采用以时间为核心的方法来检索与目标UGC相关的前K个实例；随后，通过利用UGC属性，将所有相关实例连接在一起，形成目标UGC的超图；其次，研发了一个时间感知的引导式超图Transformer，旨在捕获内部和跨模态之间的相关性，并且使用时间编码器将时间信息嵌入到信息融合过程中；最后，运用一个包含两层前馈神经网络的模型来进行目标UGC流行度的预测。本发明探索了对目标用户生成内容(UGC)的时间关系进行建模，并通过多模态超图聚合来增强目标的表示，旨在通过聚合时间感知信息，引领自适应超图构建，以协助多模态的流行度预测。