软件学报

作者：张凯，赵洪科，刘淇，潘镇，陈恩红

单位：张凯，大数据分析与应用安徽省重点实验室(中国科学技术大学), 安徽 合肥 23002711,赵洪科，天津大学 管理与经济学部, 天津 30007202,刘淇，大数据分析与应用安徽省重点实验室(中国科学技术大学), 安徽 合肥 23002703,潘镇，大数据分析与应用安徽省重点实验室(中国科学技术大学), 安徽 合肥 23002704,陈恩红，大数据分析与应用安徽省重点实验室(中国科学技术大学), 安徽 合肥 23002705

关键词：动态追踪;用户行为分析;深度语义表征;注意力机制;长短期记忆网络

基金：国家自然科学基金（61672483，71790594，U1605251）；中国科学院青年创新促进会优秀会员专项（2014299）

众筹是一个新兴的互联网金融平台，项目的发起者可以通过使用互联网，征求大量平台用户的资金来资助他们的项目.但是由于众筹平台所具有的独特规则，只有在特定时间内收集了足够的资金，项目的筹资才会成功进行交易.为了防止项目发起者和投资者在可能失败的项目上浪费时间和精力，动态追踪众筹项目的筹资过程以及估算其融资成功概率便极为重要.然而，现有的一些工作既没有针对动态预测跟踪机制的研究，也没有考虑平台上的项目发起者和投资者之间的动态行为交互.为了解决这些问题，基于长短期记忆网络设计了一种新颖的动静态协同预测模型.该模型着重分析了用户行为，包括评论的情绪倾向以及融资过程中的动态增量信息，从而将融资项目与投资人之间的交互行为进行深度挖掘分析.首先，针对平台上的静态特征和动态用户行为数据，通过不同的Embedding方法得到他们的深度表征.在此基础上，进一步设计了基于注意力机制的协同预测模型，以便了解项目融资的时序信息对最终结果的影响程度.最后，在真实的众筹数据集上进行的大量实验结果表明，所提出的动静态表征预测方法相比其他预测方法更为有效.

来源：2020年第4期

《软件学报》期刊编辑部

查看软件学报杂志2020年第4期