Enhancing Social Media Post Popularity Prediction with Visual Content

要約

私たちの研究は、複雑な画像情報と階層データ構造への対処に焦点を当てた、画像ベースのソーシャル メディア コンテンツの人気を予測するためのフレームワークを示しています。
Google Cloud Vision API を利用して、ユーザーの投稿から主要な画像と色の情報を効果的に抽出し、非画像共変量のみを使用した場合と比較して 6.8% 高い精度を達成しました。
予測については、線形回帰をベンチマークとして、線形混合モデル、サポート ベクター回帰、多層パーセプトロン、ランダム フォレスト、XGBoost などの幅広い予測モデルを調査します。
私たちの比較研究は、共変量間の根底にある非線形相互作用を捉えることができるモデルが他の方法よりも優れていることを示しています。

要約(オリジナル)

Our study presents a framework for predicting image-based social media content popularity that focuses on addressing complex image information and a hierarchical data structure. We utilize the Google Cloud Vision API to effectively extract key image and color information from users’ postings, achieving 6.8% higher accuracy compared to using non-image covariates alone. For prediction, we explore a wide range of prediction models, including Linear Mixed Model, Support Vector Regression, Multi-layer Perceptron, Random Forest, and XGBoost, with linear regression as the benchmark. Our comparative study demonstrates that models that are capable of capturing the underlying nonlinear interactions between covariates outperform other methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google