在线媒体流中热门话题的分析与预测

在海量的网络信息中，社交媒体流捕捉了人们当前关注的内容以及他们对特定话题的情感。感知此类热门话题在多媒体系统中发挥着至关重要的作用，例如趋势感知推荐和视频概念检测系统的自动词汇选择。正确利用热门话题需要更好地理解它们在不同社交媒体流中的各种特征。为此，我们提出了第一项涵盖三个主要在线和社交媒体流（Twitter、Google 和 Wikipedia）的综合研究，在为期一整年的观察期内覆盖了数千个热门话题。我们的结果表明，根据具体需求，人们不一定非要依赖 Twitter 来获取当前事件的信息，且某些媒体流强烈强调特定类别的内容。作为我们的第二个关键贡献，我们进一步提出了一种新颖的方法，用于应对在热门话题出现的瞬间即预测其生命周期的挑战性任务。我们完全自动化的方法基于最近邻预测技术，利用了语义相似的话题表现出相似行为这一假设。我们在一个大规模的 Wikipedia 页面访问统计数据集上进行了演示，结果表明，与基线方法相比，所提出方法的预测结果与实际访问统计数据相差约 9k 至 48k 次视图，并且在长达 14 天的时间段内实现了 45% 至 19% 的平均绝对百分比误差。