Retweet Predictive Model in Twitter

Abstract

Nos dias de hoje o Twitter é uma das redes sociais mais usadas com mais de 1.3 biliões de utilizadores. O Twitter permite aos seus utilizadores escrever mensagens chamadas de tweets, que podem conter num máximo 140 caracteres. Nesta rede social o mecanismo de propagação principal chama-se retweeting. O Twitter é vastamente usado por marcas, celebridades e diversas fontes de informação. O nosso objectivo principal é criar um Modelo Preditivo de Retweet que prevê a popularidade de um tweet e mostra como diferentes atributos do texto influenciam a sua performance.A previsão da popularidade de um tweet pode ter várias aplicações, como permitir aos utilizadores estruturar a sua mensagem de modo a terem maiores chances de obter um certo nível de popularidade, o que pode ajudá-los a ganhar mais seguidores. Isto no caso de empresas de marketing pode ter um grande impacto nas vendas, uma vez que muitas delas possuem uma conta no Twitter.No nosso trabalho nós dividimos a popularidade em 4 classes (0 retweets, 1 a 10 retweets, 10 a 100 retweets, 100 a more retweets) e analisámos como a previsão para as diferentes classes foi afectada por tweets com diferentes atributos de texto (por exemplo tweets com Hashtags). Nós também introduzimos algumas features novas no nosso modelo, como a combinação da analise de sentimento com os tópicos populares, em conjunto com a presença de fotos, vídeos e GIFs.Nos nossos resultados mostramos que a analise de sentimento com os tópicos populares melhora a performance do modelo, assim como a previsão das diferentes classes é afectada de maneira diferente de acordo com os atributos usados na mensagem.Finalmente, o nosso Modelo Preditivo de Retweet construído á base de aprendizagem computacional e informação social do Twiter pode ter aplicações em várias áreas como marketing, politica ou mesmo finanças. As suas características são únicas, não só porque tem a capacidade de prever a popularidade dos tweets mas como incorpora atributos do tweet como os valores do sentimento e os tópicos populares no Twitter. Além disso, será uma uma ferramenta útil nos Sistemas de Recomendação de Tweet personalizados.

Nowadays Twitter is one of the most used social networks with over 1.3 billion users. Twitter allows its users to write messages called tweets that can contain up to 140 characters. In this social network the so called retweeting is the key mechanism to information propagation. Twitter is widely used by brands, celebrities and news sources. Our main goal is to build a Retweet Predictive Model that predicts the popularity of the tweet and show how different text features affect its performance.Predicting popularity can have many applications, such as allowing the users to build their message in a way that it has more chances of getting a certain popularity, which can help them to gain more followers. This in the case of marketing companies may have a great impact on their sales, since Twitter is widely used by them.In our work we divided the popularity in 4 classes (0 retweets, 1 to 10 retweets, 10 to 100 retweets, 100 or more retweets) and analyzed how the prediction for different classes was affected for tweets with specific text features (for example tweets with Hashtags). We have introduced some new features in our model, such as the combination of sentiment analysis with trending topics, along with the use of media content like the presence of photos, GIFs and videos.In our results we show that the use of sentiment analysis with trending topics improves the performance of the model, and the prediction for different classes is affected differently by the features used in the text.Finally, our novel Retweet Predictive Model built upon machine learning and the Twitter social media can have application in many fields such as marketing, politics or even finance. Its characteristics are unique, not only because it has the capability to predict the popularity of the tweets but also because it incorporates tweet's features such as sentiment scores and popular topics across Twitter. Moreover, it will be a useful tool in personalized Tweet Recommendation Systems