在本文中，我们研究了微博中特定主题的转发数排名问题。 两个挑战使这项任务变得微不足道。 首先，传统方法无法获得推文的有效功能，因为在特定主题的设置中，推文通常具有太多的共享内容，无法区分它们。 我们提出一种LSTM嵌入的自动编码器来生成推特功能，并具有以下认识：推特文本的任何不同前缀都是可能的独特功能。 其次，在主题特定的环境中充分了解主题的意义至关重要，但是微博提供的有关主题的信息很少。 我们利用头条的实时新闻信息来丰富主题的含义，因为超过85％的主题是头条新闻。 我们基于消融方法评估提出的组