基于CNN-GRU的移动APP流行度预测模型

摘要

移动APP流行度预测对应用推荐、广告投放等意义重大。但是现有方法大多依赖手工特征工程，工作量大且效率较低。为此，提出一种基于深度神经网络的移动APP流行度预测模型。利用最大信息系数进行特征相关性分析以确保特征选取有效性，结合历史流行度特征，通过门控循环单元(gate recurrent unit, GRU)和注意力机制构建长期演化模型来推演发展趋势，基于多尺度卷积神经网络(convolutional neural networks, CNN)和注意力机制构建短期波动模型以实现预测动态优化，结合其他重要特征利用GRU和注意力机制建立多因素影响模型。通过时间注意力模块将上述模型融合，实现流行度预测。实验结果表明，所提模型在移动APP流行度预测方面相对更为精准有效。

关键词

移动APP / 流行度预测 / 注意力机制 / 卷积神经网络(CNN) / 门控循环单元(GRU)