Modelos independientes del usuario para predicción de retuits

Resumen: Twitter y otras redes sociales se han convertido en fuentes de información y centros neurálgicos de las discusiones sociales y políticas de nuestra época, jugando un papel central en la difusión de ideas y la formación de opiniones. Continuando con investigaciones anteriores que realizamos en predicción de preferencias individuales y tendencias comunitarias, hemos desarrollado un modelo general de predicción de retuits, que puede entrenarse con información sobre la actividad de diferentes usuarios, y generar predicciones de calidad incluso para usuarios desconocidos durante el entrenamiento. Proponemos un esquema general para la generación de vectores de características del entorno social de longitud fija. Optimizando este esquema en conjunto con los hiperparámetros de un clasificador XGBoost, obtenemos un modelo que genera predicciones de calidad comparable a las obtenidas previamente con modelos específicos por usuario, pero con un tiempo de entrenamiento mucho menor y un mejor aprovechamiento de los datos de entrenamiento. 

Mini-bio

Pablo es Licenciado en Matemática y en Ciencias de la Computación egresado de FaMAFyC, donde desarrolla actualmente su doctorado en Computación sobre el tema Predicción de Preferencias y Tendencias en Redes Sociales. Reparte su tiempo entre Córdoba y Berlín, donde trabaja como Applied Scientist en Zalando, el mayor vendedor online de indumentaria de Europa. Ahí ha trabajado aplicando técnicas de Deep Learning a problemas como la generación y recomendación de conjuntos de indumentaria, y trabaja actualmente en la optimización y personalización de la composición de la home page.

• Link streaming