理解计算力学与回声状态网络在社交媒体中的预测能力
社会与信息网络
2013-08-27 v2 机器学习
物理与社会
应用统计
机器学习
摘要
人们极大关注理解社交媒体用户以预测其在该空间内的行为。尽管存在这种关注，但社交媒体中用户的可预测性尚未被充分理解。为考察这一问题，我们研究了七周内由一万五千名用户组成的 Twitter 网络。我们应用了两种对比鲜明的建模范式：计算力学和回声状态网络。这两种方法均试图基于用户的过去行为来对其行为进行建模。我们证明，Twitter 上用户的行为可以很好地建模为具有自反馈的过程。我们发现，对于大多数用户，这两种建模方法的表现非常相似，但在小部分用户子集上它们的性能存在差异。通过探索这些性能差异化用户的特性，我们突出了将预测模型应用于动态社会数据时所面临的挑战。
引用
@article{arxiv.1306.6111,
title = {Understanding the Predictive Power of Computational Mechanics and Echo State Networks in Social Media},
author = {David Darmon and Jared Sylvester and Michelle Girvan and William Rand},
journal= {arXiv preprint arXiv:1306.6111},
year = {2013}
}