新闻故事的每小时流量预测
信息检索
2013-06-20 v1
摘要
预测来自多个新闻源的新闻故事受欢迎程度的过程，对新闻生产者和读者而言都已成为一项至关重要的挑战。在本文中，我们研究了自动预测新闻故事在一小时内点击量的方法。我们的方法是将加法回归和 bagging 相结合，应用于使用对数尺度 (log10) 的 M5P 回归树。所包含的特征包括基于社交网络的特征（来自 Facebook 的社交网络元数据）、基于内容的特征（自动提取的关键词和新闻标题的文体统计特征）以及基于时间的特征。在第一届 Sapo 数据挑战赛中，我们获得了 11.99% 的平均相对误差值，在 26 名参赛者中位列第四。
引用
@article{arxiv.1306.4608,
title = {Hourly Traffic Prediction of News Stories},
author = {Luis Marujo and Miguel Bugalho and João Paulo da Silva Neto and Anatole Gershman and Jaime Carbonell},
journal= {arXiv preprint arXiv:1306.4608},
year = {2013}
}
备注
In 3rd International Workshop on Context-Aware Recommender Systems held as part of the 5th ACM RecSys Conference 2011