融合视觉内容以提升社交媒体帖子热度预测
机器学习
2024-05-09 v2 计算机视觉与模式识别
摘要
本研究提出了一种用于预测基于图像的社交媒体内容热度的框架，侧重解决复杂图像信息和分层数据结构的问题。我们利用 Google Cloud Vision API 有效提取用户帖子中的关键图像和颜色信息，实现比仅使用非图像协变量高出 6.8% 的预测准确率。对于预测方法，我们探索了多种预测模型，包括线性混合模型、支持向量回归、多层感知器、随机森林和 XGBoost，其中线性回归作为基准方法。我们的比较研究表明，能够捕捉协变量之间底层非线性互动的模型在其他方法中表现更佳。
引用
@article{arxiv.2405.02367,
title = {Enhancing Social Media Post Popularity Prediction with Visual Content},
author = {Dahyun Jeong and Hyelim Son and Yunjin Choi and Keunwoo Kim},
journal= {arXiv preprint arXiv:2405.02367},
year = {2024}
}