部分之和的智慧:社交协作站点中的多平台活动预测
社会与信息网络
2018-05-10 v1 数字图书馆
软件工程
摘要
在本文中,我们提出了一种新颖的框架,利用从多个社交协作平台中的活动(即活动兴趣)推断出的用户兴趣来预测用户的平台活动。该框架包含两种预测方法:(i) 直接平台活动预测,使用用户来自同一平台的活动兴趣预测其在某平台上的活动(例如,利用用户从 Stack Overflow 中既往回答与收藏活动推断出的兴趣,预测该用户是否回答给定的 Stack Overflow 问题);(ii) 跨平台活动预测,使用用户来自另一平台的活动兴趣预测其在某平台上的活动(例如,利用用户从 GitHub 中的 fork 与 watch 活动推断出的兴趣,预测该用户是否回答给定的 Stack Overflow 问题)。为评估我们所提方法,我们在软件开发社区中两个广泛使用的社交协作平台 GitHub 与 Stack Overflow 上进行了预测实验。我们的实验表明,结合直接与跨平台活动预测方法,对 GitHub (AUC=0.75) 与 Stack Overflow (AUC=0.89) 的用户活动预测取得了最佳准确率。
引用
@article{arxiv.1805.03348,
title = {Wisdom in Sum of Parts: Multi-Platform Activity Prediction in Social Collaborative Sites},
author = {Roy Ka-Wei Lee and David Lo},
journal= {arXiv preprint arXiv:1805.03348},
year = {2018}
}
备注
Pre-print for 10th ACM Conference on Web Science 2018 (WebSci'18)