Instagram 上多模态热度预测的局限——一种新颖稳健、高效且可解释的基线
计算机视觉与模式识别
2021-02-23 v2 社会与信息网络
摘要
全球人口正以前所未有且持续增长的速度在 Instagram 等平台上贡献视觉内容,试图表达自我并吸引受众。本文中,我们重新审视 Instagram 上的热度预测问题。我们提出了一种用于基于群体的热度预测的稳健、高效且可解释的基线,取得了强劲的排序性能。我们采用计算机视觉中的最新方法,以最大化从视觉模态中提取的信息。我们利用迁移学习提取概念、场景与物体等视觉语义,从而在广泛的可解释消融研究中实现新层次的细致考察。我们指导特征选择以构建稳健且可扩展的模型,同时也刻画了特征间的交互,为计算社会科学中的进一步探究提供了新方向。我们最强的模型揭示了 Instagram 上基于群体的热度可预测性的下限。这些模型可立即应用于社交媒体监测与网红识别。
引用
@article{arxiv.2004.12482,
title = {On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline},
author = {Christoffer Riis and Damian Konrad Kowalczyk and Lars Kai Hansen},
journal= {arXiv preprint arXiv:2004.12482},
year = {2021}
}
备注
Presented at ICAART 2021