文献

J-GLOBAL ID：202002259493998076   整理番号：20A1865416

ソーシャルメディア人気度予測のためのポスト関連およびユーザ関連特徴を利用したランダムフォレスト【JST・京大機械翻訳】

Random Forest Exploiting Post-related and User-related Features for Social Media Popularity Prediction

著者 (5件)： Huang Feitao (Guangdong University of Technology, guangzhou, China) ,  Chen Junhong (Guangdong University of Technology, guangzhou, China) ,  Lin Zehang (Guangdong University of Technology, guangzhou, China) ,  Kang Peipei (Guangdong University of Technology, guangzhou, China) ,  Yang Zhenguo (Guangdong University of Technology, guangzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’18  ページ： 2013-2017  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ソーシャルメディアヘッドライン予測(SMHP)は,社会メディアで共有されたポストデータの人気を予測することを目的とするアプリケーションシナリオである。本論文では,人気予測のためにランダムフォレスト(RF)モデルと組み合わせた多視点特徴の使用を提案した。最初に,ポストとユーザの特徴の両方のメタデータを結合することによって特徴を抽出した。より具体的には,次元縮小のための二値符号化戦略を採用し,いくつかの戦略,即ち,ユーザの情報に従って欠落する地理的情報を推定し,中央値で欠測特徴を埋めることで,欠測値を扱う。さらに,回帰モデルを用いて予測を直接的に行うことができた。特に,ランダムフォレスト(RF)モデルは,ハイパーパラメータの調整において多くの努力を必要とせず,効果的に実行するので,採用される。80Kのユーザによって共有された340Kの画像ポストからなるSMHPデータセットに関して行われた大規模な実験は,著者らの方法の有効性を明らかにした。本アプローチは,ACMマルチメディア2018におけるSMHPのGrandチャレンジのリーダボードにおける4番目の位置を達成した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地理学 ,  応用プログラム ,  回帰モデル ,  有効性 ,  次元縮小 ,  マルチメディア ,  *メタデータ
準シソーラス用語： *ランダムフォレスト ,  *ソーシャルメディア ,  バイナリコード ,  ハイパーパラメータ , 【Automatic Indexing@JST】

著者キーワード (3件)： 人気性予測 ,  回帰モデル ,  ソーシャルメディア

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： ソーシャルメディア ,  予測 ,  ランダムフォレスト