ViralBERT：一种基于BERT的面向用户的病毒式传播预测方法
计算与语言
2022-06-22 v1 社会与信息网络
摘要
近来，Twitter已成为通过称为“推文”的帖子向大量用户分享与传播信息的首选社交网络。用户可通过“转推”轻松将这些帖子转发给其他用户，使信息级联至更多用户，扩大其传播范围。显然，能够知晓一则帖子被转推的程度在广告、舆论引导及其他此类活动中具有重大价值。本文中我们提出ViralBERT，可用于基于内容与用户特征预测推文的病毒式传播性。我们采用将哈希标签与粉丝数等数值特征拼接至推文文本的方法，并利用两个BERT模块：一个用于组合文本与数值特征的语义表示，另一个纯粹用于文本情感分析，因为文本内的信息及其引发情绪反应的能力均对易被转推有影响。我们收集了33万条推文的数据集以训练ViralBERT，并使用该领域现有研究的基线验证模型效能。实验表明我们的方法优于这些基线，与表现最佳的基线方法相比F1分数与准确率均提升13%。随后我们进行消融研究以探究所选特征的重要性，发现文本情感与粉丝数，以及较小程度上的提及数与关注数是模型最强特征，而哈希标签数不利于模型。
引用
@article{arxiv.2206.10298,
title = {ViralBERT: A User Focused BERT-Based Approach to Virality Prediction},
author = {Rikaz Rameez and Hossein A. Rahmani and Emine Yilmaz},
journal= {arXiv preprint arXiv:2206.10298},
year = {2022}
}
备注
UMAP 2022