利用个性化全局分类器识别可转推的推文
社会与信息网络
2017-09-20 v1
摘要
在本文中，我们提出了一种方法，用于识别用户可能会觉得足够有趣而愿意转推的推文。该方法基于一个全局但个性化的分类器，该分类器在来自多个用户的数据上进行训练，并以用户特定特征表示。因此，该方法在足够大量的数据上进行训练，同时也能够做出个性化决策，即两个不同用户接收到的同一帖子可能会导致不同的分类决策。通过使用约 13 万条由 122 名记者接收到的推文集合，我们训练了一个逻辑回归分类器，使用了多种特征：每条推文的内容、其新颖性、其与推文接收者或发送者之前发布或转推的推文的文本相似度、作者和发送者的网络影响力，以及他们过去的互动。我们的系统仅使用 10 个特征和 5K 训练实例就获得了约 0.9 的 F1 分数。
引用
@article{arxiv.1709.06518,
title = {Identifying Retweetable Tweets with a Personalized Global Classifier},
author = {Michail Vougioukas and Ion Androutsopoulos and Georgios Paliouras},
journal= {arXiv preprint arXiv:1709.06518},
year = {2017}
}
备注
This is a long paper version of the extended abstract titled "A Personalized Global Filter To Predict Retweets", of the same authors, which was published in the 25th ACM UMAP conference in Bratislava, Slovakia, in July 2017