摘要
本发明提供一种基于测试时训练的信息传播预测模型训练方法、预测方法及系统,根据用户集和级联集构建有向社交图和序列扩散超图,构建训练集和测试集;信息传播预测模型包括宏观预测分支、微观预测分支和引入MAE的辅助自监督学习分支,三条分支共享特征提取器;训练时基于训练集对模型进行联合训练,引入一致性损失确保辅助任务与主任务对特征提取器参数的优化方向一致;测试时针对特定测试样本以最小化辅助自监督学习任务损失为目标进行测试时训练,调整特征提取器以适应样本分布,结合任务特定的预测头获取信息传播预测模型。本发明能够实现多尺度信息传播预测,解决信息传播预测任务中的分布偏移问题,提高模型在不同测试环境下的泛化性能。
技术关键词
信息传播预测模型
级联
长短期记忆网络
特征提取器
分支
信息传播预测系统
社交
信息传播预测方法
编码器
输入解码器
序列
多层感知器
关系
动态
多尺度信息
参数
解码器结构
规模
融合策略
系统为您推荐了相关专利信息
双向长短期记忆网络
径流预测方法
预训练模型
降雨径流预测技术
注意力
农作物害虫
动态纹理
检测网络模型
采样模块
分支
多窗口
窗口检测
算法
负荷识别技术
残差网络模型
时延预测方法
双向长短期记忆网络
序列
变分模态分解算法
灰狼优化算法
定向天线阵列
声波传感器
便携式壳体
分辨率
深度神经网络