MMOct, 2019

SMP 挑战赛：社交媒体预测挑战赛 2019 概述

PDF
TL;DR本文介绍了 “SMP Challenge” 中的新预测任务 ——“时序流行度预测”，该任务旨在利用社交多媒体数据进行未来互动性或吸引力的预测，并发布了一个包含超过 480K 发布内容和 69K 用户的大型 SMPD 基准数据集。
smp challengeprediction taskssocial multimediatemporal popularity predictionlarge-scale smpd benchmark
发现论文，激发创造
  • SMP 挑战：社交媒体预测挑战的概述与分析

    社交媒体人气预测 (SMPP) 是一个关键任务，涉及利用社交媒体平台上的大量多模态数据自动预测在线帖子的未来人气值。本研究总结了具有挑战性的任务、数据和研究进展，提供了整体分析和最新信息。

    May, 2024

  • 利用社会动态模型预测新闻的受欢迎程度

    预测社交媒体中受欢迎的内容具有挑战性，但是我们利用用户早期反应构建的随机模型可以预测受欢迎的程度，并结合网站设计方面的因素，提高了预测的准确性。

    Apr, 2010

  • 利用社交媒体预测未来：系统文献综述

    这篇系统综述研究了过去十年的相关文献，发现了社交媒体数据在预测方面存在的局限性和常见错误，并提出了旨在帮助研究者利用社交媒体数据进行预测的最佳实践建议。

    Jun, 2017

  • 时间的重要性：社交媒体热度的多尺度时间化

    本文提出了一个名为 Multi-scale Temporalization 的新的计算框架，通过多尺度分解和结构重构来估计基于用户、帖子和时间的张量空间中的流行度，从而整合多个时间尺度动态来预测社交媒体影响力。通过在两个大规模 Flickr 图像数据集上进行实证评估，结果表明我们的方法在预测准确性方面具有明显的优势。

    Dec, 2017

  • 社交媒体中的新闻脉搏：流行度预测

    本文旨在通过建立多维特征空间来分析新闻文章的性质，采用回归和分类算法预测其在线受欢迎程度，发现可在 Twitter 上以 84% 的准确率范围内预测其受欢迎度，并突显传统来源与社交网络受欢迎性的差异。

    Feb, 2012

  • MediaEval 2018：媒体记忆任务预测

    本文介绍了 Predicting Media Memorability 任务，它是 MediaEval 2018 多媒体评估基准倡议的一部分。参与者需要设计系统来自动预测视频的记忆得分，该得分反映了视频被记住的概率。与以前的图像记忆预测工作不同的是，该数据集带有短期和长期记忆注释。文章描述了任务的所有特征，包括任务的挑战和突破，发布的数据集和基准，所需的参与者运行和评估度量。

    Jul, 2018

  • 优化社交媒体帖子热度预测与视觉内容

    利用图像信息和层次化数据结构，预测基于图像的社交媒体内容的流行度，通过 Google Cloud Vision API 提取关键图像和颜色信息，相比于单独使用非图像协变量，精度提升了 6.8%。通过线性混合模型、支持向量回归、多层感知机、随机森林和 XGBoost 等多种预测模型，对比实验表明能够捕捉协变量之间的非线性相互作用的模型优于其他方法。

    May, 2024

  • 深度时间上下文网络顺序预测社交媒体流行度

    研究了社交网络中内容传播的可预测性，提出了一种新的预测框架 Deep Temporal Context Networks (DTCN)，并在 Flickr 图片数据集上的实验结果表明其比现有算法预测热度的准确性更高。

    Dec, 2017

  • 多媒体社交分析的数据集和基准测试

    该论文介绍了一个通过从社交媒体网站获取包含多个成对图像 / 视频和文本的帖子以及包含图像 / 视频和 / 或文本的评论树来实现多模态学习的新的可公开获取的数据集，并提供了基线性能分析，适用于图像字幕、情感分析和预训练模型等多项任务。

    Jun, 2020

  • 使用社交媒体预测未来

    本文阐述了如何使用社交媒体内容来预测真实世界的结果，具体来说，作者使用 Twitter 上的内容预测了电影的票房收入，并演示了如何使用从 Twitter 中提取的情感来进一步提高社交媒体的预测能力。

    Mar, 2010