• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于多级注意力机制网络的app流行度预测

张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文

张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文. 基于多级注意力机制网络的app流行度预测[J]. 计算机研究与发展, 2020, 57(5): 984-995. DOI: 10.7544/issn1000-1239.2020.20190672
引用本文: 张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文. 基于多级注意力机制网络的app流行度预测[J]. 计算机研究与发展, 2020, 57(5): 984-995. DOI: 10.7544/issn1000-1239.2020.20190672
shu
Zhang Yixuan, Guo Bin, Liu Jiaqi, Ouyang Yi, Yu Zhiwen. app Popularity Prediction with Multi-Level Attention Networks[J]. Journal of Computer Research and Development, 2020, 57(5): 984-995. DOI: 10.7544/issn1000-1239.2020.20190672
Citation: Zhang Yixuan, Guo Bin, Liu Jiaqi, Ouyang Yi, Yu Zhiwen. app Popularity Prediction with Multi-Level Attention Networks[J]. Journal of Computer Research and Development, 2020, 57(5): 984-995. DOI: 10.7544/issn1000-1239.2020.20190672
shu
张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文. 基于多级注意力机制网络的app流行度预测[J]. 计算机研究与发展, 2020, 57(5): 984-995. CSTR: 32373.14.issn1000-1239.2020.20190672
引用本文: 张艺璇, 郭斌, 刘佳琪, 欧阳逸, 於志文. 基于多级注意力机制网络的app流行度预测[J]. 计算机研究与发展, 2020, 57(5): 984-995. CSTR: 32373.14.issn1000-1239.2020.20190672
shu
Zhang Yixuan, Guo Bin, Liu Jiaqi, Ouyang Yi, Yu Zhiwen. app Popularity Prediction with Multi-Level Attention Networks[J]. Journal of Computer Research and Development, 2020, 57(5): 984-995. CSTR: 32373.14.issn1000-1239.2020.20190672
Citation: Zhang Yixuan, Guo Bin, Liu Jiaqi, Ouyang Yi, Yu Zhiwen. app Popularity Prediction with Multi-Level Attention Networks[J]. Journal of Computer Research and Development, 2020, 57(5): 984-995. CSTR: 32373.14.issn1000-1239.2020.20190672
shu

基于多级注意力机制网络的app流行度预测

  • (西北工业大学计算机学院 西安 710029) (zhangyixuan2014@mail.nwpu.edu.cn)

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

  • 中图分类号: TP18; TP391.1

app Popularity Prediction with Multi-Level Attention Networks

  • (College of Computer Science, Northwestern Polytechnical University, Xi’an 710029)

Funds: 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

    摘要
  • 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.
    Abstract: The popularity prediction of mobile apps provides substantial value to a broad range of applications, ranging from operational strategy optimization to targeted advertising and investment. This work includes leveraging the rich data provided by the app market to mine the dynamic correlation between different factors and popularity, so as to predict the app popularity over the next period of time, which creates great value for developers, investors and the app market. However, the evolution of app popularity is highly dynamic, and its influence factors are very complex, including the iterative evolution of the app itself, user feedback, and competition for similar products and so on. At present, there are relatively few research studies on app popularity modeling and prediction. Most of them construct artificial features and capture its association with popularity, and there is room for improvement in terms of computational performance, prediction accuracy, and interpretability of results. In this paper, we propose DeePOP, an attention based neural network for app popularity modeling and prediction, which performs hierarchical modeling for complex influence factors. First, we propose the time-level self-sequence module to capture the long-term dependence on historical popularity, and propose the local and global feature level modules to capture the nonlinear relationship between features and app popularity. Second, the attention mechanisms provide adaptive capabilities for different modules to capture most relevant historical states and provide explanation for prediction. Last, the experimental results show that DeePOP outperforms the state-of-the-art methods and the root mean square error of prediction reaches up to 0.089.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(49)

  • 期刊类型引用(20)

    1. 冉玲琴，彭长根，许德权，吴宁博. 基于区块链技术架构的隐私泄露风险评估方法. 计算机工程. 2023(01): 146-153 . 百度学术
    2. 张学旺，林金朝，黎志鸿，姚亚宁. 基于新型公平盲签名和属性基加密的食用农产品溯源方案. 电子与信息学报. 2023(03): 836-846 . 百度学术
    3. 俞惠芳，吕芝蕊. 基于联盟链的身份环签密方案. 电子与信息学报. 2023(03): 865-873 . 百度学术
    4. 陈亮，黄华威，吴嘉婧，郑子彬. 区块链原理与技术课程建设探索与实践. 计算机教育. 2023(04): 74-78 . 百度学术
    5. 宋露燕，刘雪凤. 区块链赋能海洋数据共享：技术路径与风险议题. 科技与经济. 2023(02): 66-70 . 百度学术
    6. 陈志刚. 论非同质化通证的数据财产属性. 政法论丛. 2023(05): 149-160 . 百度学术
    7. 邓崧，吕雨婷，杨迪. 数据垄断的演化与分类——基于国内公共数据与商业数据. 信息资源管理学报. 2022(01): 80-90 . 百度学术
    8. 陈丽莎，李雪莲，高军涛. 支持数据完整性验证的可问责数据交易方案. 系统工程与电子技术. 2022(04): 1364-1371 . 百度学术
    9. 乔鹏程，张岩松. 农业公司使用区块链技术能否提升营运效率？. 会计之友. 2022(12): 144-150 . 百度学术
    10. 袁冰. 智媒环境下个人信息保护的场域迁移与框架建构. 科技传播. 2022(10): 126-128 . 百度学术
    11. 钟锭，刘金红，夏新斌，周良荣. 基于区块链技术的湖南省道地药材全过程追溯体系构建. 中国医药导报. 2022(24): 194-197 . 百度学术
    12. 许思源，李畅，李贺鑫，谢沂伯，肖飞. 基于区块链的生物样本信息共享系统模型研究. 中国卫生信息管理杂志. 2022(04): 471-475+534 . 百度学术
    13. 宋晓玲，刘勇，董景楠，黄勇飞. 元宇宙中区块链的应用与展望. 网络与信息安全学报. 2022(04): 45-65 . 百度学术
    14. 周磊，陈珍珠，付安民，苏铓，俞研. 支持密钥更新与审计者更换的云安全审计方案. 计算机研究与发展. 2022(10): 2247-2260 . 本站查看
    15. 程晗蕾，鲁静. 区块链技术驱动融资租赁平台优化策略探究. 财会月刊. 2022(20): 154-160 . 百度学术
    16. 黄思云，齐金平. 云计算环境下基于XML的异构数据共享研究. 信息与电脑(理论版). 2022(19): 16-19 . 百度学术
    17. 岳增龙，陈海燕，张晓晶. NKN区块链技术在物联网中的应用. 中国新通信. 2021(10): 91-92 . 百度学术
    18. 张茹，曹佳远. 基于区块链技术的造纸绿色材料供应量控制技术. 造纸科学与技术. 2021(04): 53-57+76 . 百度学术
    19. 杨信廷，王杰伟，邢斌，罗娜，于华竟，孙传恒. 基于区块链的畜牧养殖资产监管身份认证研究. 农业机械学报. 2021(11): 170-180 . 百度学术
    20. 刘芬，朱壮友，许勇. 基于区块链的电子病历数据共享模型研究. 安徽师范大学学报(自然科学版). 2021(06): 536-544 . 百度学术

    其他类型引用(29)

    • 资源附件(0)
计量
  • 文章访问数:  1290
  • HTML全文浏览量:  1
  • PDF下载量:  550
  • 被引次数: 49
出版历程
  • 发布日期:  2020-04-30

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(49)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计