1.一種社交媒體特征數據的預估方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述對采集到的多個社交媒體數據進行數據清洗與格式化操作，得到標準數據，包括：
3.根據權利要求2所述的方法，其特征在于，所述統(tǒng)計目標特征在各個社交媒體平臺上的提及次數，使用關鍵詞匹配和實體識別技術識別目標特征相關信息，并匯總得到目標特征提及量數據集合d1，包括：
4.根據權利要求3所述的方法，其特征在于，所述基于情感分析的結果，計算目標特征在用戶中的正面、負面和中性評價的比例，并生成情感傾向得分數據集合d2，包括：
5.根據權利要求4所述的方法，其特征在于，所述統(tǒng)計與目標特征相關的點贊、評論、分享和轉發(fā)用戶互動行為，評估目標特征的用戶參與度數據集合d3，包括：
6.根據權利要求5所述的方法，其特征在于，所述基于長短期記憶網絡lstm設置目標特征傳播量趨勢預測的核心算法，構建遺忘門、輸入門、細胞狀態(tài)更新和輸出門四個部分，對構建的預測數據d={d1,d2,d3}按時間順序整理，包括：
7.根據權利要求6所述的方法，其特征在于，所述將整理后的預測數據分割為訓練集和測試集，使用訓練集訓練lstm模型，通過調整權重和偏置項最小化預測誤差，在訓練完成后，將新的目標特征傳播量數據輸入lstm模型，基于學習到的模式輸出未來預設時間段內的目標特征傳播量預測值d4，包括：
8.根據權利要求7所述的方法，其特征在于，所述利用圖表庫生成目標特征傳播量的趨勢圖、情感分析圖和用戶互動圖，自動生成包含目標特征傳播量的歷史數據、當前狀態(tài)和未來趨勢的定制化分析報告，使用前端框架結合websocket技術展示目標特征傳播量的實時變化和預測結果，包括：
9.一種社交媒體特征數據的預估裝置，其特征在于，包括：
10.一種電子設備，其特征在于，所述電子設備包括：