[發明專利]基于動靜態深度表征的協同預測方法

在審

• 申請號: 201910369541.4
• 申請日: 2019-05-05
• 公開（公告）號: CN110097225A
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 陳恩紅;劉淇;張凱;趙洪科;李徵
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

本發明公開了一種基于動靜態深度表征的協同預測方法，包括：獲取眾籌平臺上各項目的相關數據，并提取出其中項目屬性數據，劃分為動態屬性與靜態屬性；將靜態屬性轉換為向量表征；將動態屬性通過預訓練的模型進行情感表征與特征連接，并結合雙向長短期記憶網絡和注意力機制，得到相應的動態特征；將一個項目的向量表征與動態特征協同建模，并通過Softmax層處理，得到預測結果。該方法極大的提高了項目成功融資率預測分類結果的準確性。

技術領域

本發明涉及深度學習技術領域，尤其涉及一種基于動靜態深度表征的協同預測方法。

背景技術

眾籌是一個新興的互聯網金融平臺，項目的發起者可以通過使用互聯網，征求大量平臺用戶的資金來資助他們的項目。近年來，眾籌平臺得到了快速發展，并極大地提高了金融市場的資本活力。然而，盡管眾籌行業取得了巨大發展，但成功達到預期目標融資金額的眾籌項目比例僅為總數的一半左右。而根據眾籌平臺所具有的“全有或全無”規則，只有在特定時間內收集足夠的資金時，項目的籌資才會成功進行交易。同時，如果項目籌資失敗，參與該項目的支持者雖然可以收回資金但可能會浪費大量的時間和機會成本。由此可見，一方面，眾籌作為一種高效便捷的新型融資方式逐步受到重視并正在快速發展；另一方面，眾籌行業目前的整體預期融資額完成率不高。因此為了防止項目發起者和投資者在可能失敗的項目上浪費時間和精力，動態追蹤眾籌項目的籌資過程以及估算其融資成功概率便極其重要。同時深度探究和挖掘影響眾籌融資成功的關鍵因素，構建行之有效的成功率預測與解釋模型，對平臺提高眾籌項目融資的概率，促進眾籌行業的發展也具有重大意義。

眾籌平臺項目成功率預測主要是針對某個眾籌項目，根據其固有的一些屬性信息，例如：項目發起人信息、項目詳情介紹、投資人行為信息等，通過現有的或構建的算法模型進行特征抽取與表征，并由這些抽取出來的特征去訓練一個二分類器。最終用該分類器對項目進行融資狀態的預測。

在目前的研究工作和專利中，關于項目融資成功率預測的方法主要有以下方法：

1)基于傳統機器學習模型的項目特征分析預測的方法。

目前，基于傳統機器學習的工作旨在挖掘項目屬性與項目融資結果之間的關系，這些屬性包含諸如項目目標金額、項目類別、獎勵數量、獎勵描述、項目持續時間、項目詳情、視頻是否存在、社交網絡中的朋友數量、獎勵水平以及項目描述中的句子數量等特征。而傳統的一些機器學習方法僅將這些特征歸一化后送到機器學習分類器，如支持向量機(SVM)、隨機森林(RF)以及K近鄰(KNN)等方法，以預測眾籌項目是否能夠成功融資到足夠的資金，達到最終的目標金額。

2)基于社交媒體的外部特征預測方法。

即社交網絡特征分析，將項目在Twitter社交媒體上分享的頻次與項目的特征聯合，用來預測支持者的數量和籌款成功。該方法創新性地使用了眾籌平臺的外部數據，擴展了項目的屬性信息數量以及信息維度，同時結合了傳統機器學習方法中常用的特征提取方式，發揮深度學習的性能。這種方法不僅能夠充分地提取出項目固有屬性具有的特征，還能夠通過社交網絡的來探索項目的影響力大小。

3)基于文本語義表征的預測方法。

近年來，隨著深度學習的快速發展，自然語言理解領域出現了很多令人振奮的研究成果。而考慮到眾籌平臺上的實際場景后，盡管之前的很多研究已經大大提升了眾籌平臺上項目的融資預測結果，但是卻并沒有充分挖掘出項目詳情所蘊含的豐富語義信息。因此，有些研究人員便基于主題模型，提出了域約束主題分布模型。該方法設計一個基于文本分析的框架，可以從項目的文本描述中提取潛在的語義信息，并利用隨機森林方法預測項目融資的結果。