Resumen

El propósito de este artículo es predecir con precisión la popularidad de los temas en la red social. Se lleva a cabo un modelo de selección de indicadores para una nueva definición de popularidad de temas con el grado de incidencia gris (DGI) basado en un proceso analítico jerárquico mejorado (AHP). A través de la selección de la importancia de los indicadores mediante métodos de aprendizaje profundo como las redes neuronales recurrentes (RNN), la memoria a corto plazo (LSTM) y la unidad recurrente con compuertas (GRU), se establece un modelo de selección de indicadores de popularidad de temas basado en AHP. Los resultados muestran que cuando la popularidad de los temas se construye cuantitativamente basada en el método DGI y se obtienen diferentes pesos de los indicadores de temas con la ayuda de AHP, la precisión promedio de la predicción de popularidad de temas puede alcanzar el 97.66%. La velocidad de entrenamiento es mayor y la precisión de la predicción es mayor. El método propuesto en el artículo puede ser utilizado

• Materias:Virus informático Entropía del gráfico Modelo epidémico Modelo de optimización Modelos conceptuales
• Subjects:Computer virus Entropy of the graph Epidemic model Optimization model Conceptual models
• Palabras claves:Popularidad del tema; Red social; Modelo de selección de indicadores; Métodos de aprendizaje profundo; Redes neuronales recurrentes; Memoria a corto y largo plazo
• Keywords:Topic popularity; Social network; Indicator selection model; Deep learning methods; Recurrent neural networks; Long short-term memory