#Bieber + #Blast = #BieberBlast：流行标签复合的早期预测
社会与信息网络
2015-10-02 v1
摘要
自然语言单元的复合是一种非常普遍的现象。在本文中，我们首次展示，Twitter标签（可视为此类语言单元的相关物）会发生复合。我们确定了这种复合的原因，并提出了一种预测模型，该模型能以77.07%的准确率识别一对标签在不久的将来（即复合后2个月）是否会成为流行的复合标签。在更长时间 T = 6、10个月时，准确率分别为77.52%和79.13%。该技术对趋势标签推荐有强烈影响，因为新形成的标签复合可以在早期被推荐，甚至在复合发生之前。此外，人类预测复合的总体准确率仅为48.7%（作为基线）。值得注意的是，虽然人类能区分相对容易的案例，但自动框架能成功对相对困难的案例进行分类。
引用
@article{arxiv.1510.00249,
title = {#Bieber + #Blast = #BieberBlast: Early Prediction of Popular Hashtag Compounds},
author = {Suman Kalyan Maity and Ritvik Saraf and Animesh Mukherjee},
journal= {arXiv preprint arXiv:1510.00249},
year = {2015}
}
备注
14 pages, 4 figures, 9 tables, published in CSCW (Computer-Supported Cooperative Work and Social Computing) 2016. in Proceedings of 19th ACM conference on Computer-Supported Cooperative Work and Social Computing (CSCW 2016)