基于趋势检测与适应的社交媒体动态标签推荐
社会与信息网络
2025-04-24 v2 计算与语言
分布式、并行与集群计算
神经与进化计算
摘要
标签推荐系统已成为自动建议相关标签以增强内容分类和搜索的关键工具。然而，现有的静态模型难以适应社交媒体对话中高度动态的特性，新标签不断出现且现有标签经历语义偏移。为此，本文引入 H-ADAPTS（Hashtag recommendAtion by Detecting and adAPting to Trend Shifts），一种动态标签推荐方法，采用趋势感知机制检测标签使用频率的变化——反映社交媒体对话中不断演变的趋势和主题——并触发基于（小）最近帖子集的高效模型适应。此外，采用 Apache Storm 框架支持高速社交数据的可扩展容错分析，以实现及时趋势检测。来自两个真实案例研究（包括 COVID-19 疫情和 2020 年美国大选）的实验结果表明，H-ADAPTS 在适应新兴趋势方面能够提供及时且相关的标签推荐，显著优于现有解决方案。
关键词
引用
@article{arxiv.2504.00044,
title = {Dynamic hashtag recommendation in social media with trend shift detection and adaptation},
author = {Riccardo Cantini and Fabrizio Marozzo and Alessio Orsino and Domenico Talia and Paolo Trunfio},
journal= {arXiv preprint arXiv:2504.00044},
year = {2025}
}