深度学习与浅层阅读：仅利用标题预测在线内容的流行度
计算与语言
2017-07-24 v1
摘要
随着当代互联网用户的注意力持续时间不断缩短，在线内容（如新闻文章或视频）的标题可能成为决定其流行度的主要因素。为了利用这一现象，我们提出了一种基于双向长短期记忆（LSTM）神经网络的新方法，旨在仅利用标题预测在线内容的流行度。我们在两个不同的社交媒体新闻文章和新闻视频数据集上评估了所提出的架构，这些数据集总共包含超过 40,000 个样本。在这些数据集上，我们的方法比传统浅层方法的性能提高了 15%。此外，我们表明在嵌入层中使用预训练词向量可以改善 LSTM 模型的结果，尤其是在训练集较小的情况下。据我们所知，这是首次尝试仅利用标题中的文本信息进行流行度预测。
引用
@article{arxiv.1707.06806,
title = {Shallow reading with Deep Learning: Predicting popularity of online content using only its title},
author = {Wociech Stokowiec and Tomasz Trzcinski and Krzysztof Wolk and Krzysztof Marasek and Przemyslaw Rokita},
journal= {arXiv preprint arXiv:1707.06806},
year = {2017}
}