利用社交媒体预测视频流行度
机器学习
2015-06-19 v1 社会与信息网络
摘要
本文提出了一种系统的在线预测方法（Social-Forecast），能够准确预测由社交媒体推广的视频的流行度。Social-Forecast 在进行流行度预测时，明确考虑了视频在社交媒体中动态变化和演变的传播模式，从而具备情境和上下文感知能力。Social-Forecast 旨在最大化预测奖励，该奖励定义为流行度预测准确性与预测发布及时性之间的权衡。该预测在线进行，无需训练阶段或先验知识。我们在分析上将 Social-Forecast 的预测性能损失限制在与全知预言机相比的范围内，并证明该界限关于视频到达数量是次线性的，从而保证了其短期性能以及渐近收敛至最优性能。此外，我们使用从中国最大的在线社交网络之一人人网收集的视频共享真实世界数据轨迹进行了广泛实验。这些实验表明，我们提出的方法在预测奖励方面比现有的基于观看量的流行度预测方法（不具备上下文感知能力）高出 30% 以上。
引用
@article{arxiv.1403.5603,
title = {Forecasting Popularity of Videos using Social Media},
author = {Jie Xu and Mihaela van der Schaar and Jiangchuan Liu and Haitao Li},
journal= {arXiv preprint arXiv:1403.5603},
year = {2015}
}