Konsep Inti
소셜 미디어 게시물의 인기도를 예측하기 위해 이미지 정보와 비이미지 정보를 활용하는 프레임워크를 제안한다. 이를 통해 기존 방법보다 6.8% 높은 정확도를 달성할 수 있었다.
Abstrak
이 연구는 소셜 미디어 게시물의 인기도 예측을 위한 프레임워크를 제시한다. 게시물의 이미지 정보와 색상 정보를 효과적으로 추출하기 위해 구글 클라우드 비전 API를 활용하였다. 예측 모델로는 선형 혼합 모델, 서포트 벡터 회귀, 다층 퍼셉트론, 랜덤 포레스트, XGBoost 등을 고려하였으며, 선형 회귀를 기준으로 삼았다. 비선형 상호작용을 잘 포착할 수 있는 모델이 다른 방법들보다 우수한 성능을 보였다.
구체적으로 다음과 같은 내용을 다루고 있다:
소셜 미디어 데이터의 계층적 구조와 변수 간 복잡한 상호작용을 고려하여 예측 모델을 탐색하였다.
구글 클라우드 비전 API를 활용하여 이미지 라벨과 대표 색상 정보를 체계적으로 추출하고, 이를 예측 모델에 활용하였다.
해석 가능한 변수(토픽 변수, 대표 색상)를 제안하였으며, 이는 기존 방법과 유사한 성능을 보였다.
실용적이고 해석 가능한 방법을 제안하여 실제 응용에 직접적인 시사점을 제공한다.
Statistik
"게시물 당 평균 '좋아요' 수는 로그 변환 후 0.5569이다."
"게시물 당 평균 '좋아요' 수는 시간 차이로 나누어 조정한 후 0.3541이다."
Kutipan
"소셜 미디어 플랫폼의 사용이 급증하면서 새로운 게시물 형식(텍스트, 이미지, 동영상, 하이브리드)이 등장했다."
"이미지 데이터를 적절히 활용하는 것이 인기도 예측에 있어 복잡한 과제이다."
"소셜 미디어 데이터는 계층적 구조를 가지고 있어, 개인 수준의 효과를 별도로 다루어야 한다."