主动学习以在 Twitter 上吸引关注者
机器学习
2015-04-17 v1 机器学习
社会与信息网络
摘要
Twitter 作为一个流行的社交网络，为在线机器学习研究提供了巨大机遇。然而，以往的研究几乎完全集中于从被动收集的数据中学习。我们研究了通过规范用户行为来学习获取关注者的问题，这与许多机器人应用的批量关注策略截然不同。我们将该问题形式化为一个上下文多臂老虎机 (contextual bandit) 问题，其中将转发内容视为所选动作，每条推文（内容）都附带上下文信息。我们基于关注者数量的变化设计了奖励信号。为期一个月、涉及 60 个代理的实验结果表明：(1) 跨代理聚合经验可能会降低预测精度；(2) Twitter 社区对不同动作的反应是非平稳的。我们的发现表明，相较于仅基于被动收集数据的机器学习，主动在线学习能提供更深入的见解，揭示如何吸引关注者。
引用
@article{arxiv.1504.04114,
title = {Actively Learning to Attract Followers on Twitter},
author = {Nir Levine and Timothy A. Mann and Shie Mannor},
journal= {arXiv preprint arXiv:1504.04114},
year = {2015}
}