پیشبینی محبوبیت اخبار با استخراج ویژگیهای مبتنی بر گراف و ماشین بردار پشتیبان

در این مقاله چارچوبی برای پیشبینی چند شاخص محبوبیت اخبار نظیر تعداد نظرات، تعداد کاربران،امتیاز رای و قابلیت بحثبرانگیزی ارایه شده است. این چارچوب از یک روش مهندسی ویژگی استفاده میکند و بر روی ویژگیهای دو منبع تعاملات اجتماعی ذاتی در بحثهای آنلاین شامل درخت نظرات وگراف کاربران تمرکز میکند. پس از استخراج ویژگیهای مبتنی بر گراف از یک ماشین بردار پشتیبان جهت پیشبینی محبوبیت اخبار استفاده شد. نتایج تجربی نشان داد که ویژگیهای پیشنهادی مبتنی بر گراف، پیچیدگیهای هر دو گراف تعامل اجتماعی را مرتفع کرده و باعث بهبود پیشبینی شاخصهایمحبوبیت در مجموعه داده پستهای خبری آنلاین میگردد. بهخصوص، بهبود نسبی در میانگین مربعات خطا در مجموعه داده اخبار Reddit در مقایسه با کارهای گذشته که در آن تنها از ویژگیهای درخت نظرات ابتدایی استفاده میشد، مشاهده گردید.

کلیدواژه ها:

پیشبینی محبوبیت اخبار ، گراف کاربران ، ویژگیهای گراف ، استخراج ویژگی ، SVM