众筹项目初期筹资表现预测系统技术方案

本发明专利技术公开了一种众筹项目初期筹资表现预测系统，使用图神经网络结构对项目间的竞争影响和市场环境的演变进行了建模，从而使得模型能够建模众筹市场的环境因素进而提升预测的准确性；同时，系统还能够直观的显示预测过程中各项信息及最终的预测结果，极大的提高用户体验，方便用户了解众筹项目的相关情况。

Prediction system of initial financing performance of crowdfunding project

【技术实现步骤摘要】
众筹项目初期筹资表现预测系统
本专利技术涉及图神经网络和网络众筹领域，尤其涉及一种众筹项目初期筹资表现预测系统。
技术介绍
近年来网络众筹的兴起产生了众多有价值的研究问题，例如对项目成功率的预测，基于众筹平台的推荐系统和对项众筹目动态的追踪等等。大部分已有的研究问题关注于项目启动后的筹资过程，在众筹市场中，项目的初期筹资表现是发起者和平台都十分关心的问题。在项目启动之前就评估其初期筹资表现能够创造很大的价值，然而该预测有较大的难度且处于未被探索的阶段，因为项目发布时间的市场环境对其初始投资有很大的影响。目前，众筹领域还没有能够实现信息准确预测，并且能够直观显示预测过程中各项信息与预测结果的专用设备，因此，有待改进。
技术实现思路
本专利技术的目的是提供一种众筹项目初期筹资表现预测系统，能够直观的显示预测过程中各项信息与预测结果的。本专利技术的目的是通过以下技术方案实现的：一种众筹项目初期筹资表现预测系统，包括：静态数据预处理单元，用于对目标项目以及目标项目预发布时间之前其他已发布项目的内容信息进行处理，获得对应的特征向量；动态数据获取单元，用于获取目标项目预发布时间之前其他已发布项目的筹资时间序列，以及将筹资时间序列通过嵌入层处理得到对应的时间序列向量；建模与预测单元，用于根据目标项目的特征向量、以及其他已发布项目的特征向量与时间序列向量，并结合长短期记忆网络与图注意力网络建模项目竞争关系，获得目标项目所受到的竞争压力状态向量；以及根据目标项目的特征向量、以及其他已发布项目的特征向量与筹资时间序列，并结合传播树结构建模历史市场环境，获得目标项目所处的环境状态向量；从而利用目标项目所受到的竞争压力状态向量与目标项目所处的环境状态向量，预测出目标项目的初期筹资结果；所述初期是指24小时以内；显示单元，用于通过划分不同显示区域来独立显示目标项目与目标项目预发布时间之前其他已发布项目的内容信息、静态数据预处理单元的处理结果、动态数据获取单元获取到的筹资时间序列、以及建模与预测单元获得的目标项目的初期筹资结果。由上述本专利技术提供的技术方案可以看出，使用图神经网络结构对项目间的竞争影响和市场环境的演变进行了建模，从而使得模型能够建模众筹市场的环境因素进而提升预测的准确性；同时，系统还能够直观的显示预测过程中各项信息及最终的预测结果，极大的提高用户体验，方便用户了解众筹项目的相关情况。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1为本专利技术实施例提供的一种众筹项目初期筹资表现预测系统的示意图；图2为本专利技术实施例提供的一种众筹项目初期筹资表现预测系统的原理图；图3为本专利技术实施例提供的传播树结构的示意图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。本专利技术实施例提供一种众筹项目初期筹资表现预测系统，如图1所示，其主要包括：静态数据预处理单元，用于对目标项目以及目标项目预发布时间之前其他已发布项目的内容信息进行处理，获得对应的特征向量；动态数据获取单元，用于获取目标项目预发布时间之前其他已发布项目的筹资时间序列，以及将筹资时间序列通过嵌入层处理得到对应的时间序列向量；建模与预测单元，用于根据目标项目的特征向量、以及其他已发布项目的特征向量与时间序列向量，并结合长短期记忆网络与图注意力网络建模项目竞争关系，获得目标项目所受到的竞争压力状态向量；以及根据目标项目的特征向量、以及其他已发布项目的特征向量与筹资时间序列，并结合传播树结构建模历史市场环境，获得目标项目所处的环境状态向量；从而利用目标项目所受到的竞争压力状态向量与目标项目所处的环境状态向量，预测出目标项目的初期筹资结果；显示单元，用于通过划分不同显示区域来独立显示目标项目与目标项目预发布时间之前其他已发布项目的内容信息、静态数据预处理单元的处理结果、动态数据获取单元获取到的筹资时间序列、以及建模与预测单元获得的目标项目的初期筹资结果。上述系统可配合相关硬件实现，例如，显示单元可以配合显示屏实现。静态数据预处理单元、动态数据获取单元与建模与预测单元可配合处理器实现，同时，还包含一些必要的硬件设备，例如，存储设备(提供系统运行空间与数据空间)、通信设备(实现系统与外部交互，以获取相关信息)等。为了便于理解，下面针对上述系统做详细的介绍。本专利技术实施例中，系统所要预测的众筹项目初期筹资表现主要是指预测项目发布之后24小时之内的筹资表现，然而不能直接使用项目的筹资数额作为预测目标，因为相同的数额对于不同筹资目标的项目来说其表现的好坏不同。因此，可以使用筹资数额占目标的百分比作为预测目标，并且为了减小极小极大值之间的差异，本专利技术使用log2(·)函数对该百分比进行约束从而便于模型进行预测。上式中αi表示刚开始24小时内项目i筹资的数目，gi表示该预发布项目i的筹资目标，所以表示项目初期筹资数目占其目标的百分比。如图2所示，为本专利技术所提供的上述系统的原理图。一、静态数据预处理单元。本专利技术实施例中，众筹平台所使用的数据，其主要信息包括：项目描述、项目类别、发起者类型、当前汇率、目标筹资周期以及目标筹资数额。由于需要将上述内容信息转化为向量的形式，因此，对内容信息中的数值类型进行离散化，得到独热编码向量(one-hotencoder)；对文本类型使用自然语言处理技术中的文本转向量(doc2vec)方法进行处理，得到对应的向量；将各个类型对应的向量进行拼接，得到对应的特征向量(静态内容特征向量)。优选的，在使用doc2vec方法之前，对于文本数据，首先使用分词技术对其进行分词，然后删除所有标点符号，将所有单词统一转换为小写，并且只保留出现频次大于5次的单词。基于上述方式对于所有项目都可以获得对应的特征向量，本专利技术实施例中，将目标项目记为g，由于本专利技术将涉及模型训练，因此，还构建了一个目标项目集合训练过程中，目标项目的各种结果都是已知的，在测试过程中目标项目的内容信息是已知的，但是，由于目标项目还未发布，因此，所涉及的各项筹资情况都是未知的，需要后文提到的建模与预测单元进行预测。将目标项目预发布时间之前其他已发布项目的集合记为Ψ，后文所涉及的项目项目i和项目j均为已发布的项目。这些项目的特征向量都对应的表示为xg、xi、xj。二、动态数据获取单元对于一个给定的目标项目g，其预发布时间为Tg，其对应的环境因素，也就是上下文特征，即Tg时本文档来自技高网...

【技术保护点】
1.一种众筹项目初期筹资表现预测系统，其特征在于，包括：/n静态数据预处理单元，用于对目标项目以及目标项目预发布时间之前其他已发布项目的内容信息进行处理，获得对应的特征向量；/n动态数据获取单元，用于获取目标项目预发布时间之前其他已发布项目的筹资时间序列，以及将筹资时间序列通过嵌入层处理得到对应的时间序列向量；/n建模与预测单元，用于根据目标项目的特征向量、以及其他已发布项目的特征向量与时间序列向量，并结合长短期记忆网络与图注意力网络建模项目竞争关系，获得目标项目所受到的竞争压力状态向量；以及根据目标项目的特征向量、以及其他已发布项目的特征向量与筹资时间序列，并结合传播树结构建模历史市场环境，获得目标项目所处的环境状态向量；从而利用目标项目所受到的竞争压力状态向量与目标项目所处的环境状态向量，预测出目标项目的初期筹资结果；所述初期是指24小时以内；/n显示单元，用于通过划分不同显示区域来独立显示目标项目与目标项目预发布时间之前其他已发布项目的内容信息、静态数据预处理单元的处理结果、动态数据获取单元获取到的筹资时间序列、以及建模与预测单元获得的目标项目的初期筹资结果。/n

【技术特征摘要】
1.一种众筹项目初期筹资表现预测系统，其特征在于，包括：
静态数据预处理单元，用于对目标项目以及目标项目预发布时间之前其他已发布项目的内容信息进行处理，获得对应的特征向量；
动态数据获取单元，用于获取目标项目预发布时间之前其他已发布项目的筹资时间序列，以及将筹资时间序列通过嵌入层处理得到对应的时间序列向量；
建模与预测单元，用于根据目标项目的特征向量、以及其他已发布项目的特征向量与时间序列向量，并结合长短期记忆网络与图注意力网络建模项目竞争关系，获得目标项目所受到的竞争压力状态向量；以及根据目标项目的特征向量、以及其他已发布项目的特征向量与筹资时间序列，并结合传播树结构建模历史市场环境，获得目标项目所处的环境状态向量；从而利用目标项目所受到的竞争压力状态向量与目标项目所处的环境状态向量，预测出目标项目的初期筹资结果；所述初期是指24小时以内；
显示单元，用于通过划分不同显示区域来独立显示目标项目与目标项目预发布时间之前其他已发布项目的内容信息、静态数据预处理单元的处理结果、动态数据获取单元获取到的筹资时间序列、以及建模与预测单元获得的目标项目的初期筹资结果。


2.根据权利要求1所述的一种众筹项目初期筹资表现预测系统，其特征在于，所述对目标项目以及目标项目预发布时间之前其他已发布项目的内容信息进行处理，获得对应的特征向量包括：
对内容信息中的数值类型进行离散化，得到独热编码向量；对文本类型使用自然语言处理技术中的文本转向量方法进行处理，得到对应的向量；将各个类型对应的向量进行拼接，得到对应的特征向量；
所述内容信息包括：项目描述、项目类别、发起者类型、当前汇率、目标筹资周期以及目标筹资数额。


3.根据权利要求1所述的一种众筹项目初期筹资表现预测系统，其特征在于，目标项目预发布时间之前已发布的项目i的筹资时间序列为：



上式中，v表示投资数额，t表示投资的时间戳，下标为投资次数的序号，|Si|表示投资总数；
将筹资时间序列Si通过嵌入层处理得到对应的时间序列向量TSi，TSi＝[ξ0，ξ1，...，ξ23]表示项目i在过去24小时的时间序列；
ξk＝log2(∑vl)
上式中，vj∈Si，Tg-(k+1)*Δ≤tl＜Tg-k*Δ，k＝0，1，...，23，Δ表示1小时的时间间隔。


4.根据权利要求1所述的一种众筹项目初期筹资表现预测系统，其特征在于，所述根据目标项目的特征向量、以及其他已发布项目的特征向量与时间序列向量，并结合长短期记忆网络与图注意力网络建模项目竞争关系，获得目标项目所受到的竞争压力状态向量包括：
使用长短期记忆网络基于已发布项目的时间序列向量对初期的筹资状态进行预测：



上式中，TSi表示已发布的项目i的时间序列向量，Ψ表示Tg时刻在市场上运行的已发布项目集合，Tg时刻表示目标项目g预发布时刻；
使用剪枝方法，从集合Ψ中选出在项目初期时最有可能与目标项目竞争的已发布项目，即，选择Tg时刻在just-funded板块和与目标项目相同category板块的项目，使用邻接矩阵表示：



上式中，表示项目i和项目j有连边，表示项目i和项目j没有连边，是将已发布项目集合Ψ中的id映射到邻接矩阵的列中，Ci和Cj表示项目i和项目j的所属的类别，Ti和Tj表示项目i和项目j的预发布时刻；
使用图注意力网络对目标项目g进行邻居信息聚合：
egi＝VT[Wxg||Wxi]



上式中，xg、xi分别表示目标项目g、项目i的特征向量，V、W表示注意力机制中使用的映射参数矩阵，其具体参数在模型的训练过程中进行学习优化，αgi表示注意力权重，T为矩阵装置符号，表示由已发布的项目构成的目标项目的邻居节点集合；

【专利技术属性】
技术研发人员：陈恩红，刘淇，吴李康，李徵，张凯，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34