利用相对论引力理论建模在线讨论的参与动态
社会与信息网络
2019-08-13 v1 机器学习
摘要
在线讨论是研究用户在多种主题上行为的宝贵资源。以往的研究以静态方式对讨论进行建模，与以往不同，本研究将其建模为一个时变过程，并解决两个相互关联的问题——预测哪些用户群体将参与正在进行的讨论，以及预测讨论在评论数量方面的增长率。我们提出了 RGNet（Relativistic Gravitational Network），一种新颖的算法，利用爱因斯坦引力场方程将在线讨论建模为悬浮在用户时空流形上的“尘埃云”，随时间以不同速率吸引不同群体的用户。我们还提出了 GUVec，一种用于在线讨论的全局用户嵌入方法，RGNet 利用它来预测时序用户参与度。RGNet 利用不同的文本和基于网络的特征来学习讨论的尘埃分布。我们采用了四个基线——前两个使用 LSTM 架构，第三个使用牛顿引力模型，第四个使用改编自先前参与度预测工作的逻辑回归。在 Reddit 数据集上的实验表明，RGNet 在用户群体的时序参与度预测和增长率预测方面分别达到了 0.72 的 Micro F1 分数和 6.01% 的平均误差，显著优于所有基线。我们进一步利用 RGNet 预测非时序参与度——即用户是否会对给定帖子发表评论。RGNet 在此任务上达到了 0.62 的 AUC，在 AUC 上比现有基线高出 8.77%。
引用
@article{arxiv.1908.03770,
title = {Modeling Engagement Dynamics of Online Discussions using Relativistic Gravitational Theory},
author = {Subhabrata Dutta and Dipankar Das and Tanmoy Chakraborty},
journal= {arXiv preprint arXiv:1908.03770},
year = {2019}
}