锚定趋势：通过特征聚类与扩展缓解社交媒体人气预测漂移
多媒体
2025-07-29 v1
摘要
预测在线视频人气面临一个关键挑战：预测漂移，即模型在历史数据上训练后因演变中的病毒式趋势和用户行为而快速恶化。为此，我们提出一种锚定多模态聚类与特征生成 (AMCFG) 框架，以发现跨数据分布的时序不变模式。我们的方法采用多模态聚类揭示内容结构，然后利用大语言模型 (LLM) 生成语义锚定特征，如观众人口统计、内容主题和跨越表面趋势变化的参与模式。这些语义锚点结合聚类派生的统计特征，使预测基于稳定原则而非瞬时信号。实验表明，AMCFG 在预测准确性和时序鲁棒性方面显著提升，在超出分布的数据上实现卓越性能，为实际的视频人气预测提供了可行解决方案。
引用
@article{arxiv.2507.19863,
title = {Anchoring Trends: Mitigating Social Media Popularity Prediction Drift via Feature Clustering and Expansion},
author = {Chia-Ming Lee and Bo-Cheng Qiu and Cheng-Jun Kang and Yi-Hsuan Wu and Jun-Lin Chen and Yu-Fan Lin and Yi-Shiuan Chou and Chih-Chung Hsu},
journal= {arXiv preprint arXiv:2507.19863},
year = {2025}
}
备注
Accepted by ACM Multimedia 2025