什么样的神经网络架构适合预测文章的流行度？
What is suitable neural network architecture for the prediction of popularity of articles?
我是机器学习和神经网络方面的新手。目前，我正在 coursera.org 上一门关于神经网络的课程，但我并不是什么都懂。我的论文有点问题。我应该使用神经网络，但我不知道如何为我的问题选择正确的神经网络架构。
我有很多来自门户网站的数据（通常是报纸、杂志的在线版本）。有关于文章的信息，例如，名称、文章文本和文章发布。还有大量捕捉用户行为的序列数据
我的目标是预测一篇文章的受欢迎程度（读者数量或唯一用户对文章的点击次数）。我想从这些数据中生成向量，并用这些向量为我的神经网络提供数据。
我有两个问题：
1.如何创建正确的向量？
2。哪种神经网络架构最适合这个问题？
这些都是很宽泛的问题。如果您想要更准确的答案，您需要找出更小的问题。
How to create a right vector?
对于文本数据，通常使用vector space model. Best results are often obtained using tf-idf weighting。
Which neural network architecture is suitable for this problem?
这个很难说。我将从具有 k 个输入神经元的网络开始（其中 k 是应用 tf-idf 后向量的大小：您可能还想进行某种特征选择以减少特征数量.一个好的特征选择方法是using the chi squared test.)
然后，通过使用单个隐藏层给出标准网络布局，其中神经元数等于输入神经元数和输出神经元数之间的平均值。那么看起来您只需要一个输出神经元来输出文章的受欢迎程度（这可以是 linear neuron or a sigmoid 神经元）。
对于隐藏层中的神经元，您还可以尝试 linear and sigmoid neurons。
您还可以尝试许多其他方法：权重衰减、动量技术、多层网络、循环网络等。如果不进行大量实验，就不可能说出什么最适合您给定的问题。
我是机器学习和神经网络方面的新手。目前，我正在 coursera.org 上一门关于神经网络的课程，但我并不是什么都懂。我的论文有点问题。我应该使用神经网络，但我不知道如何为我的问题选择正确的神经网络架构。
我有很多来自门户网站的数据（通常是报纸、杂志的在线版本）。有关于文章的信息，例如，名称、文章文本和文章发布。还有大量捕捉用户行为的序列数据
我的目标是预测一篇文章的受欢迎程度（读者数量或唯一用户对文章的点击次数）。我想从这些数据中生成向量，并用这些向量为我的神经网络提供数据。
我有两个问题：
1.如何创建正确的向量？
2。哪种神经网络架构最适合这个问题？
这些都是很宽泛的问题。如果您想要更准确的答案，您需要找出更小的问题。
How to create a right vector?
对于文本数据，通常使用vector space model. Best results are often obtained using tf-idf weighting。
Which neural network architecture is suitable for this problem?
这个很难说。我将从具有 k 个输入神经元的网络开始（其中 k 是应用 tf-idf 后向量的大小：您可能还想进行某种特征选择以减少特征数量.一个好的特征选择方法是using the chi squared test.)
然后，通过使用单个隐藏层给出标准网络布局，其中神经元数等于输入神经元数和输出神经元数之间的平均值。那么看起来您只需要一个输出神经元来输出文章的受欢迎程度（这可以是 linear neuron or a sigmoid 神经元）。
对于隐藏层中的神经元，您还可以尝试 linear and sigmoid neurons。
您还可以尝试许多其他方法：权重衰减、动量技术、多层网络、循环网络等。如果不进行大量实验，就不可能说出什么最适合您给定的问题。