本发明公开了一种基于属性敏感交互的时序社交媒体流行度预测方法及装置，方法包括：利用关联矩阵中的已知元素对未知元素进行推断，弥补稀疏矩阵带来的模型学习困难的问题；对用户‑属性关联矩阵中的每一个元素序列，分别采用长短期记忆网络和卷积神经网络捕捉用户‑属性偏好的长期变化趋势和短期波动；以各种属性为桥梁，分析帖子与用户之间的匹配等级；采用注意力机制计算帖子对不同用户的吸引程度；将不同时刻帖子对用户吸引程度的表征与其它多模态特征进行整合，并构建时序衰减损失函数进行回归训练。装置包括：处理器和存储器。本发明利用社交媒体的属性信息进行交互式学习，提高了基于时序过程的流行度预测的准确度，提高了用户的体验度。