В настоящее время активно развивается область машинного обучения. В частности - искусственные нейронные сети, применение которых позволило достичь высоких результатов при решении задач анализа изображений [1], обработки звуковой информации [2] и машинного перевода [3]. Высокий интерес представляет применение нейронных сетей в обработке естественно-языковых текстов. С использованием нейронных сетей были решены такие задачи, как извлечение именованных сущностей, анализ тональности, разрешение семантической многозначности, построение диалоговых систем [4-7].
Особый интерес представляет задача прогнозирования успеха каких-либо публикаций. Данная проблема в контексте анализа публикационной деятельности ученых, а также конкретные варианты ее решения были описаны в статьях [8-10]. Тем не менее, отсутствуют существенные результаты прогнозирования популярности какой-либо публикации в медиасфере, в то время как все большую известность приобретает направление социальной журналистики и такие платформы, как medium.com . Тысячи пользователей имеют возможность публиковать статьи и получить отклик на каждую из них. Несмотря на большое количество качественных статей в данном сервисе, большая доля публикуемого материала приходится на малоинформативный контент.
Целью настоящей работы является обеспечение возможности пользователям подобных сервисов получить определенную оценку вероятного успеха публикуемого ими материала. Данная оценка может быть получена с помощью моделей машинного обучения, учитывающих особенности успеха уже имеющихся статей. Для достижения данной цели были использованы современные модели нейронных сетей, показавших лучшие результаты в задачах обработки естественно-языковых текстов.
Результатом выполненной работы стал сервис me-prediction.ru , позволяющий определить вероятный успех статьи как непосредственно с сайта me- dium.com, так и для только что написанной и неопубликованной статьи.
В рамках данной работы был создан сервис прогнозирования популярности статьи в медиасфере на основе методов глубокого обучения. Сервис доступен по адресу me-prediction.ru, где каждый пользователь имеет возможность отправить статью на анализ.
Были протестированы методы обучения, основанные на моделях word2vec, рекуррентных нейронных сетей, моделях ELMo.
В дальнейшем предполагается улучшение работы сервиса путем обеспечения возможности гибкой смены алгоритмов обучения, а также интегрирования модуля работы с русским языком.
