利用时间序列趋势提升内容流行度预测方法的有效性
社会与信息网络
2014-09-01 v1 物理与社会
摘要
我们提出了一种简单而有效的模型来预测网络内容的流行度。我们的解决方案在 ECML/PKDD 2014 预测分析挑战赛的三项任务中赢得了两项，旨在仅利用上传后第一小时内的可用信息，预测网页在上传 48 小时后所能达到的用户参与度指标（如访问量和社交网络参与度）。我们的模型基于两个步骤：首先，使用时间序列聚类技术提取内容流行度的共同时间趋势；其次，利用线性回归模型，将内容特征（例如访问量和在线社交网络提及数）以及捕捉流行度时间序列与第一步中提取的趋势之间距离的指标作为预测变量。我们讨论了该模型为何有效，并展示了其相较于最先进（state of the art）替代方案的优势。
引用
@article{arxiv.1408.7094,
title = {Improving the Effectiveness of Content Popularity Prediction Methods using Time Series Trends},
author = {Flavio Figueiredo and Marcos André Gonçalves and Jussara M. Almeida},
journal= {arXiv preprint arXiv:1408.7094},
year = {2014}
}
备注
Presented on the ECML/PKDD Discovery Challenge on Predictive Analytics. Winner of two out pf three tasks of the Predictive Analytics Discovery Challenge