利用个人资料信息预测Twitter上粉丝数的增长
信息检索
2017-05-10 v1 社会与信息网络
摘要
在评估一个人在Twitter上受欢迎的原因时，一件事被认为是主要驱动因素：大量推文。关于应该发布何种推文存在争论，但很少超出推文本身。特别令人感兴趣的是每个Twitter用户个人资料页提供的信息。其中一个特征是这些资料上给出的名字。心理学和经济学研究确定了名字与例如美国学校成绩或获得工作面试机会的相关性。因此，我们感兴趣的是这些个人资料信息对粉丝数的影响。我们通过分析约600万Twitter用户的个人资料来解决这一问题。所有个人资料分为三组：名字字段中有名字、英文单词、或两者皆无的用户。假设是名字和单词影响用户的可发现性，进而影响其粉丝数。我们提出了一种分类器，通过基于用户组应用不同模型来标记将在一个月内增加粉丝数的用户。分类器使用受试者工作特征曲线(ROC)下面积得分评估，并达到0.800以上的分数。
引用
@article{arxiv.1705.03214,
title = {Predicting Rising Follower Counts on Twitter Using Profile Information},
author = {Juergen Mueller and Gerd Stumme},
journal= {arXiv preprint arXiv:1705.03214},
year = {2017}
}
备注
10 pages, 3 figures, 8 tables, WebSci '17, June 25--28, 2017, Troy, NY, USA