主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张凯,赵洪科,刘淇,潘镇,陈恩红.基于动静态表征的众筹协同预测方法.软件学报,2020,31(4):0
基于动静态表征的众筹协同预测方法
Cooperative Prediction Method Based on Dynamic and Static Representation for Crowdfunding
投稿时间:2019-05-27  修订日期:2019-07-29
DOI:10.13328/j.cnki.jos.005921
中文关键词:  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
英文关键词:dynamic tracking  user behavior analysis  deep semantic representation  attention mechanism  lstm network
基金项目:国家自然科学基金项目(61672483,71790594,U1605251);中国科学院青年创新促进会优秀会员专项(2014299)
作者单位E-mail
张凯 中国科学技术大学 大数据分析与应用安徽省重点实验室, 安徽 合肥 230027  
赵洪科 天津大学 管理与经济学部, 天津 300072  
刘淇 中国科学技术大学 大数据分析与应用安徽省重点实验室, 安徽 合肥 230027 qiliuql@ustc.edu.cn 
潘镇 中国科学技术大学 大数据分析与应用安徽省重点实验室, 安徽 合肥 230027  
陈恩红 中国科学技术大学 大数据分析与应用安徽省重点实验室, 安徽 合肥 230027  
摘要点击次数: 55
全文下载次数: 9
中文摘要:
      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.但由于众筹平台所具有的独特规则,只有在特定时间内收集足够的资金时,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其重要.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,本文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表明,所提出的动静态表征预测方法相比其他的预测方法更为有效.
英文摘要:
      Crowdfunding is an emerging finance platform for creators to fund their efforts by soliciting relatively small contributions from a large number of individuals using the Internet. Due to the unique rules, a campaign succeeds in trading only when it collects adequate funds in a given time. To prevent creators and backers from wasting time and efforts on failing campaigns, dynamically estimating the success probability of a campaign is very important. However, existing crowdfunding systems neither have the mechanism of dynamic predictive tracking, nor consider the dynamic interaction between project sponsors and investors on the platform. To address these issues, we design a novel dynamic and static collaborative prediction model based on long and short-term memory network. This model focuses on user behavior, including the emotional tendency of reviews and the dynamic incremental information in the financing process, so as to deeply mine and analyze the interaction between financing projects and investors. Firstly, for the static features and dynamic user behavior data on the platform, their deep characterization is obtained by different embedding methods. On this basis, a collaborative prediction model based on attention mechanism is further designed to understand the impact of timing information of project financing on the final results. Finally, experiments on real crowdfunding datasets show that the proposed dynamic and static representation prediction method is more effective than other prediction methods.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利