[发明专利]基于课程式学习的社交媒体舆情热度监测的框架构建方法

权利要求书

1.一种基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于：包括如下步骤：

S1：使用基于目标检测的预训练模型获得图像特征，使用词嵌入将单词映射成向量从而获取标签特征；

S2：构建基于目标和周围环境的全连接图模型，更新训练过程中的图片特征；

S3：进行课程式学习的步骤；

第一步将目标图像特征、标签、用户其他信息输入Transformer中，学习图像特征和标签数据的组合特征；

第二步输出增强后的图像特征到Transformer中，进一步学习图像数据等数据的特征；

S4：使用长短期记忆和最大池化生成最终图像特征，并将最终图像特征和标签特征结合经过全连接层的处理最终得到热度预测结果。

2.根据权利要求1所述的基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于，S1：使用基于目标检测的预训练模型获得图像特征，使用词嵌入将单词映射成向量从而获取标签特征包括如下步骤：

通过Faster R-CNN预训练模型获得图像中包含的目标其中K代表图像中有K个检测目标，每个目标所得的特征是d维；

将整个图中所有目标整合起来为：

3.根据权利要求1所述的基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于，S1：使用基于目标检测的预训练模型获得图像特征，使用词嵌入将单词映射成向量从而获取标签特征包括如下步骤：

通过word embedding提取标签汇总的文字信息，得到原始文字特征：其中代表标签的特征，k_t代表标签的长度。

4.根据权利要求1所述的基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于：S2：构建基于目标和周围环境的全连接图模型，更新训练过程中的图片特征包括如下步骤：

建立图代表K个关系之间的关系矩阵，并且图G中每条边的权重定义为G＝(F₀·W_i+b_i)·((F₀·W_j+b_j)；

其中均为预先指定的参数。

5.根据权利要求4所述的基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于：聚合图G中的相关特征，图聚合后的特征定义为该特征不仅考虑物体本身的特征，还考虑了周围环境的特征；

该特征的基于图的组合可以解释不通图片中对象的差异。

6.根据权利要求1所述的基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于，S3：进行课程式学习的步骤具体包括：

课程式学习的第1阶段输入的图像特征是由图像特征和标签特征组合在一起的特征，表示为：

其中f^ow为目标类别等信息的词嵌入，f^t是标签信息的词嵌入；

将这些特征输入到Transformer中，得到经过增强的特征即：

课程式学习的第2阶段输入的图像特征如下：

其中，是经过S2聚合后的图像特征；

将这些特征输入到Transformer中，得到经过增强的特征即：

7.根据权利要求1所述的基于课程式学习的社交媒体舆情热度监测的框架构建方法，其特征在于，S4：使用长短期记忆和最大池化生成最终图像特征，并将最终图像特征和标签特征结合经过全连接层的处理最终得到热度预测结果包括如下步骤：

将经过长短期记忆和最大池化处理后的特征与标签特征拼接成一个向量；

将该向量输入全连接层后，得到最终博文的流行度：

其中W和b表示全连接网络的权重。