【Paper Reading】Early prediction of the future popularity of uploaded videos

论文链接：https://sci-hub.tw/10.1016/j.eswa.2019.05.015

文章是针对youtube视频推荐冷启动问题提出的方法，在视频发布时刻预测未来1～9周时刻的流行度。论文主要内容在于特征的特征工程。

由于论文比较简单，下面不会对论文进行详细翻译，只说明其重要思想。

精读指数：建议粗读

先进指数：一个工程型方法

总体评价：像一个实验报告，缺少原理分析，缺少baseline对比，应用结果不突出。

贡献

声称是第一个冷启动视频推荐方法。

 

特征工程

特征的选取一共从3个角度考虑：3个方面 x 3种相关性计算方法 x 4种交互数据 = 36个特征

数据集的获取则是从seed video出发，分时间段收集其相关的video信息，数据量大小和k的设定有关。

3个方面

3种收集相关video的方式——RV AU KW 

RV：相关video（从相关性推荐出来的video）

AU：同一作者

KW：关键词是从title、tag、description中提取的r个word，用tf-idf选（词频 x lg（google总索引数 / google搜索word结果的page数）），在youtube上搜索关键词video

 

video排序方法

计算3个方面的相关性：TL TG DS，选出top k

文本->word vefctor->所有vector组成w-v矩阵，LSA获得更紧凑的vector

 

特征收集

4个：VC AP CM SB，做z-score归一化

 

方法

对naïve Bayes, support vector machine (SVM), logistic regression, neural network, and decision tree (J48)子分类器进行ensenble，Bag-REPTree方法组合子分类器结果。

 

实验

随机选择1000seed video出发（1周后死了100个还剩900个），收集1～9周每周时间节点上的相关video信息。

900seed x 3个方面 x 30个相关视频 x 10周 = 810,000个video

4组实验

实验1 所有feature上对比分类方法准确性

实验2 feature按照属性分为10组，对比feature重要性

实验3 feature选择和组合

实验4 k的选择

 

结论

未来工作

观察其他角度的变量，例如情绪分析、音乐。

扩展其他平台的预测

研究早期趋势预测

 

局限性

只有youtube上音乐类别的视频，未来增加其他类别视频

仅收集10周数据，未来增加时间

模型需要自我调整，进行特征更新（多轮预测）