Экспериментальное исследование методов прогнозирования популярности новостных сообщений

Данная работа посвящена прогнозированию популярности сообщений в социальных сетях на основе модели интересов пользователей. В работе изучены традиционные подходы к прогнозированию популярности. В частности, рассмотрены различные теоретические алгоритмы, применяемые для решения этой задачи, а также рассмотрены открытые и коммерчески доступные средства мониторинга и анализа популярности трендов. Также предложена ранее неизвестная модель описания интересов пользователя на основании анализа тональности текстов, написанных им в социальной сети и выполнено применение модели к задаче прогнозирования популярности сообщений. Прогнозирование выполняется на основе анализа текста сообщения, профиля автора сообщения и рассматриваемого сообщества. Рассматриваемый язык – русский, объект изучения – сообщества в социальной сети ВКонтакте. Для получения данных была создана вспомогательная система сбора сетевой и текстовой информации из социальных сетей. Обучение и оценка качества работы метода выполнялась для более чем 1 миллиона случайных сообщений из 6000 сообществ социальной сети ВКонтакте. В ходе исследования были использованы алгоритмы классификации Random Forest, Support Vector Machine и k-Nearest Neighbors. Полученный классификатор относил сообщение к одному из четырех интервалов популярности (“не востребованные”, “низкопопулярные”, “среднепулярные”, “высокопопулярные”), полученных на основе разбиения распределения количества лайков сообщений по квантилям. Полученная F1-мера с использованием предложенного метода составила 0.77, что на 12% выше базового алгоритма без использования тематических свойств сообщества. Работа содержит 56 страницу, 3 главы, 29 рисунков, 16 таблиц, 44 источник, 2 приложения. Ключевые слова: Анализ тональности, классификация, социальные сети, машинное обучение, отбор признаков, обучение модели, предсказание популярности.