Emotionale und zeitliche Daten vorhersagen Social‑Media‑Engagement

Ein neues Machine‑Learning‑Modell aus der Forschungslabore von arXiv zeigt, dass die Stimmung und der Zeitpunkt eines Songs stark vorhersagen können, wie viele Likes und Kommentare er später erhält. Das Team hat 600 Songs analysiert, die mit Messungen zu Valenz, Erregung und weiteren Sentiment‑Kennzahlen versehen sind.

Für die Vorhersage nutzt das Modell einen Multi‑Target‑Regressor auf Basis von HistGradientBoostingRegressor. Die Zielgrößen – die Verhältnisse von Likes und Kommentaren – wurden logarithmisch transformiert, um die stark schiefe Verteilung zu glätten. Die Leistung wurde sowohl mit einer eigenen „Order‑of‑Magnitude“-Genauigkeit als auch mit klassischen Regressionsmetriken wie dem Bestimmtheitsmaß R² bewertet.

Ergebnisse: Die Kombination aus emotionalen Merkmalen, zeitlichen Angaben und bereits vorhandenen View‑Zahlen liefert eine sehr gute Vorhersage für Likes (R² = 0,98). Für Kommentare liegt das R² bei 0,41, was darauf hindeutet, dass Likes weitgehend durch die erfassten affektiven und Expositionssignale bestimmt werden, während Kommentare zusätzliche Faktoren benötigen, die im aktuellen Feature‑Set noch nicht berücksichtigt sind.