从新闻中学习：预测Twitter上实体的热度
社会与信息网络
2016-07-12 v1
摘要
在这项工作中，我们解决基于新闻周期预测Twitter上实体热度的问题。我们应用监督学习方法并提取四类特征：(i)信号，(ii)文本，(iii)情感与(iv)语义，用以预测给定实体在随后数小时内的热度是高还是低。我们在一个包含超过1.5亿条推文和500万条新闻的数据集上针对六个不同实体进行了若干实验，获得了超过0.70的F1分数。错误分析表明，当新闻作为事件的主要信息源时，其在预测Twitter上实体热度方面表现更好，这与电视直播、政治辩论或足球比赛等事件相反。
引用
@article{arxiv.1607.03057,
title = {Learning from the News: Predicting Entity Popularity on Twitter},
author = {Pedro Saleiro and Carlos Soares},
journal= {arXiv preprint arXiv:1607.03057},
year = {2016}
}