在线新闻受欢迎程度预测

• 作 者: 尉佳媛
• 出 处: 苏州大学
• 发表日期: 2018年01期
• 关键词: 新闻受欢迎程度 逻辑回归 决策树 随机森林 XGBoost

新闻的发展呈现动态变化的特征,其生命周期一般比较短。一篇新闻要想受到大家的欢迎,即成为热点新闻,它必须能够在相对较短的时间内传播给大量的读者,并且它的部分特征属性必须满足大部分用户的兴趣爱好,能勾起用户的阅读欲望。因此,取并研究这些决定在线新闻受欢迎程度的特征属性,分析其相互关系,并最终建立模型来述新闻受欢迎程度与这些特征属性的关系就显得尤为重要。本文选取了新闻的47个特征维度,出预测新闻是否受欢迎的二分类问题。分析过程主要包括以下几步:数据预处理、述性分析、建立模型、模型评价、得出结论。其中建立模型部分,选择了逻辑回归、CART决策树、随机森林和XGBoost。其中逻辑回归中对于变量存在相关性的情况,采取了在目标函数上加入惩罚项的方法消除多重共线性。尝试了L1和L2正则项,L1的效果更好。模型参数设置方面,用到了10折交叉验证来确定最优参数,特别的,XGBoost的参数设置还采用了网格搜索法Grid Search CV。模型评价方面,采用了准确率、查准率、查全率、F1、AUC指标,综合评价了所有模型,得出XGBoost的预测效果最好。最后得出了高新闻受欢迎程度的对策。