随着信息技术的飞速发展和信息的广泛应用，社交网络正变得越来越方便和快捷地用于信息发布和获取。 预测主题受欢迎程度对于在线推荐系统，营销服务和舆论控制非常重要。 在本文中，我们借助时间序列分析方法预测主题的受欢迎程度，验证了ARMA模型在主题受欢迎程度预测中的有效性。

Spotify：预测歌曲的受欢迎程度 目录 1.0。 介绍 该存储库包含一个应对挑战的解决方案：歌曲的流行特征是什么？ 该项目是Kaggle社区的一部分 1.1。 什么是Spotify？ Spotify是一种数字音乐，播客和（最近）视频流，可访问世界各地艺术家的数百万首歌曲和其他内容。 1.2。 Spotify商业模式 Spotify在免费增值业务模式下运行（基本服务是免费的，而其他功能则通过付费订阅提供）。 Spotify通过向用户出售高级流媒体订阅和向第三方出售广告展示位置来产生收入。 1.3。 项目发展 该项目是根据CRISP-DS（跨行业标准过程-数据科学）项目管理方法开发的。 1.4。 项目目标 创建一个根据歌曲特征预测Spotify歌曲受欢迎程度的模型。 1.5。 解决方案 在该项目中，将使用回归模型来预测Spotify歌曲的流行指数。 2.0。 数据集 2.1。 数据

1711 专题 沈华伟等 在线社交媒体中信息传播的建模与预测PDF原文

在线社交网络中的消息流行度预测研究,对推荐、广告、检索等应用场景都具有非常重要的作用。近年来,深度学习的蓬勃发展和消息传播数据的积累,为基于深度学习的流行度预测研究提供了坚实的发展基础。