Dynamic hashtag recommendation in social media with trend shift detection and adaptation

要約

ハッシュタグ推奨システムは、関連するハッシュタグを自動的に提案し、コンテンツの分類と検索を強化するための重要なツールとして浮上しています。
ただし、既存の静的モデルは、新しいハッシュタグが絶えず出現し、既存のハッシュタグがセマンティックシフトを受けるソーシャルメディアの会話の非常にダイナミックな性質に適応するのに苦労しています。
これらの課題に対処するために、このホワイトペーパーでは、H-Adapts（トレンドシフトへの検出と適応によるハッシュタグの推奨事項）を紹介します。これは、ハッシュタグの使用状況を検出するトレンド認識メカニズムを採用して進化する傾向と最近のポストに基づいて効率的なモデルの適応をトリグに塗ります。
さらに、Apache Stormフレームワークは、高速ソーシャルデータのスケーラブルでフォールトトレラントな分析をサポートするために活用されており、トレンドシフトのタイムリーな検出を可能にします。
Covid-19パンデミックと2020年の米国大統領選挙を含む2つの現実世界のケーススタディの実験結果は、新たな傾向に適応し、既存のソリューションを大幅に上回ることにより、タイムリーで関連するハッシュタグの推奨を提供する際のH適応性の有効性を示しています。

要約(オリジナル)

Hashtag recommendation systems have emerged as a key tool for automatically suggesting relevant hashtags and enhancing content categorization and search. However, existing static models struggle to adapt to the highly dynamic nature of social media conversations, where new hashtags constantly emerge and existing ones undergo semantic shifts. To address these challenges, this paper introduces H-ADAPTS (Hashtag recommendAtion by Detecting and adAPting to Trend Shifts), a dynamic hashtag recommendation methodology that employs a trend-aware mechanism to detect shifts in hashtag usage-reflecting evolving trends and topics within social media conversations-and triggers efficient model adaptation based on a (small) set of recent posts. Additionally, the Apache Storm framework is leveraged to support scalable and fault-tolerant analysis of high-velocity social data, enabling the timely detection of trend shifts. Experimental results from two real-world case studies, including the COVID-19 pandemic and the 2020 US presidential election, demonstrate the effectiveness of H-ADAPTS in providing timely and relevant hashtag recommendations by adapting to emerging trends, significantly outperforming existing solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google