面向社交媒体有效用户参与的无监督学习
机器学习
2016-11-15 v1
摘要
在本文中，我们研究了无监督特征学习技术在预测社交媒体上用户参与度方面的有效性。具体而言，我们比较了两种预测博客文章可能收到的反馈（即评论）数量的方法。我们在两种模型（线性回归和回归树）上，将主成分分析（PCA）和稀疏自编码器（sparse Autoencoder）与仅对数据进行中心化和缩放的基线方法进行比较。我们发现无监督学习技术显著提高了两种模型的预测精度。对于线性回归模型，稀疏自编码器取得了最佳结果，在测试集上的均方根误差（RMSE）相比基线方法改善了 42%。对于回归树模型，PCA 取得了最佳结果，RMSE 相比基线改善了 15%。
引用
@article{arxiv.1611.03894,
title = {Unsupervised Learning For Effective User Engagement on Social Media},
author = {Thai Pham and Camelia Simoiu},
journal= {arXiv preprint arXiv:1611.03894},
year = {2016}
}