Анализ вовлечённости постов: классификация (LR, SVM, RF) с SMOTE и TF-IDF, кластеризация на 3 группы
Автор: Деревлева Н. А.
Журнал: Теория и практика современной науки @modern-j
Рубрика: Основной раздел
Статья в выпуске: 5 (131), 2026 года.
Бесплатный доступ
В работе выполнен анализ постов социальной сети для прогнозирования высокого уровня вовлечённости (high_engagement). На этапе предобработки из даты и времени публикации извлечены новые признаки (час, день недели, месяц), текст преобразован в матрицу TF-IDF, числовые признаки масштабированы с помощью StandardScaler, а для балансировки классов (исходное соотношение 52/48) применён метод SMOTE. Обучены три классификатора (логистическая регрессия, метод опорных векторов, случайный лес); наилучшая ROC-AUC составила 0,902 у SVC и логистической регрессии. По результатам кластеризации методом KMeans на основе метода локтя и силуэтного анализа оптимальным признано число кластеров k=3, что позволяет содержательно сегментировать посты по уровню вовлечённости.
Предобработка данных, балансировка классов, логистическая регрессия, метод опорных векторов, случайный лес, кластеризация, метод локтя, силуэтный анализ, вовлечённость постов, социальные сети
Короткий адрес: https://sciup.org/140316093
IDR: 140316093 | УДК: 004.85
Analysis of post engagement: classification (LR, SVM, RF) with SMOTE and TF-IDF, clustering into 3 groups
This paper analyzes social network posts to predict high engagement (high_engagement). During preprocessing, new features (hour, day of the week, month) were extracted from the publication timestamp, the text was transformed into a TF-IDF matrix, numerical features were scaled using StandardScaler, and the SMOTE method was applied to balance the classes (initial ratio 52/48). Three classifiers were trained (logistic regression, support vector machine, random forest); the best ROC-AUC reached 0.902 for both SVM and logistic regression. Based on KMeans clustering using the elbow method and silhouette analysis, the optimal number of clusters was determined to be k=3, which allows meaningful segmentation of posts by engagement level.
