Browse

When Do People Comment? Predicting Responses to Conversation Threads in Reddit
레딧 커뮤니티 상에서 대화 스레드에 대한 사용자 반응 예측

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors
임정환
Advisor
권태경
Issue Date
2020
Publisher
서울대학교 대학원
Description
학위논문(석사)--서울대학교 대학원 :공과대학 컴퓨터공학부,2020. 2. 권태경.
Abstract
Online community has become a common place for people to communicate with each other. In a community board, a user can converse by commenting on other user's posts and comments, making a thread of sequential messages. Such interaction allows the post's content to be spread, changed, and further developed. The extension of online contents is a key concerns in the social network research. To figure out factors which make the conversation thread grows, this paper presents a deep learning model predicting whether the current thread will get a response or not. To reflect the thread's chronological characteristic, we design a prediction model using RNN architecture. From Reddit, one of the most popular online community, we collect 50K posts and 1.5M comments from Reddit. Our model leverages different kinds of features extracted from the thread such as text content, participants, and time. The experiment is divided into two tasks, predicting on posts and predicting on comments, to analyze factors making the thread occur and grow. The result shows that our model outperforms other classification models, demonstrating the practical viability. We also identify the correlation of the thread's features with its growth.
온라인 커뮤니티는 사람들이 서로 소통하는 흔한 장소가 되었다. 커뮤니티 게시판에서 사용자는 다른 사용자의 메시지에 댓글을 다는 방법으로 대화를 할 수 있으며, 이를 통해 일련의 메시지로 이루어진 대화 스레드를 생성한다. 이 상호작용은 대화 주제가 다른 사용자들에게 전달되고, 변화하며, 나아가 발전할 수 있도록 한다. 이러한 온라인 컨텐츠의 확장은 소셜 네트워크 연구에서 중요한 관심사 중 하나이다. 이 논문에서는 대화 스레드를 성장하게 하는 요인을 알기 위해 현재 스레드가 응답을 받을 지를 예측하는 딥 러닝 모델을 제시한다. 스레드에 대한 이해를 높이기 위해 우리는 RNN 을 기반으로한 모델 구조를 디자인한다. 데이터셋은 가장 인기있는 온라인 커뮤니티 중 하나인 Reddit 으로부터 5만 개의 포스트와 150만 개의 댓글을 수집하였다. 모델은 정확도를 높이기 위해 대화 스레드로부터 대화 내용, 참여자, 시간 등 다양한 종류의 특징을 추출하여 예측에 활용한다. 실험은 대화에 대한 단계별 이해를 위해 포스트에 대한 예측과 댓글에 대한 예측 두 가지로 나누어 진행한다. 우리는 실험 결과를 통해 모델을 통한 대화 스레드 성장 예측이 가능함을 입증하고, 다른 비교모델 보다 높은 성능을 가지는 것을 보인다. 또한 대화의 성장과 관련된 스레드의 특징과 그 관계성에 대해 설명한다.
Language
eng
URI
http://dcollection.snu.ac.kr/common/orgView/000000160339
Files in This Item:
Appears in Collections:
College of Engineering/Engineering Practice School (공과대학/대학원)Dept. of Computer Science and Engineering (컴퓨터공학부)Theses (Master's Degree_컴퓨터공학부)
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse