基于情感与时间特征的社交媒体参与度预测
机器学习
2025-09-01 v1
摘要
我们提出了一种基于机器学习的方法，用于从情感和时间特征预测社交媒体参与度（评论和点赞）。数据集包含600首歌曲，标注了价值（valence）、 arousal 以及相关情感指标。基于 HistGradientBoostingRegressor 的多目标回归模型在对数变换后的参与比率上进行训练，以解决目标变量的偏斜问题。通过自定义的数量级准确度和标准回归指标（包括决定系数 R^2）进行性能评估。结果表明，情感和时间元数据，以及现有的观看次数，能够有效预测未来的参与度。该模型在点赞方面达到 R^2 = 0.98，但在评论方面仅为 R^2 = 0.41。这一差距表明，点赞主要由易捕获的情感和曝光信号驱动，而评论则取决于当前特征集合中未表示的其他因素。
引用
@article{arxiv.2508.21650,
title = {Predicting Social Media Engagement from Emotional and Temporal Features},
author = {Yunwoo Kim and Junhyuk Hwang},
journal= {arXiv preprint arXiv:2508.21650},
year = {2025}
}
备注
7 pages