利用社交动态模型预测新闻的受欢迎程度。
摘要：预测社交媒体中内容的受欢迎程度并不均匀分布，有些内容会获得用户的不成比例的关注。预测哪些新提交的内容将成为受欢迎的，对于托管社交媒体网站的公司和他们的用户来说都非常重要。准确和及时的预测可以使公司通过不同的定价策略来最大化收入，例如访问内容或广告定位。预测也可以给消费者一个重要的工具来过滤不断增长的内容量。然而，由于内容质量、社交媒体网站选择突出显示内容的方式以及用户之间的影响力等复杂因素，预测社交媒体中内容的受欢迎程度是具有挑战性的。虽然这些因素使得先验预测变得困难，但我们展示了基于这些网站上用户行为的随机模型可以根据用户对新内容的早期反应来预测受欢迎程度。通过结合网站设计的方面，这些模型改进了仅仅根据早期投票进行推断的预测方法。我们利用社交新闻门户网站Digg上的一个先前开发的基于Digg用户界面的社交投票模型来验证这一观点。
作者：Kristina Lerman and Tad Hogg
论文ID：1004.5354
分类：Computers and Society
分类简称：cs.CY
提交时间：2010-04-30