研究：LightGBM预测Facebook图片帖互动

一篇预印本论文提出用机器学习预测社交媒体互动量。作者Ritwik Singh、Mayukh Majumdar和Subodha Kumar收集Facebook上家具企业的图片帖，提取视觉、文本和时间特征，比较Random Forest、LightGBM、XGBoost等模型。 作者称，主模型LightGBM解释了81.8%的互动得分方差，为基线模型的2.3倍。其中“品牌相对偏差”特征——衡量帖子偏离品牌常规的程度——是最强预测因子，占总重要性的51.3%。 该结果来自预印本，尚未经同行评审，模型表现仅基于上述Facebook家具企业图片帖样本。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。