cse258_project

CSE 258 final project @ UCSD

Overall

In this project, we use Reddit submissions as our dataset. We are going to do some predictions and analysis on that.

Group memebers

• FeiHua Fang
• JiaQi He
• JiaZhuo Qin
• Yifan Qin

Task distribution

任务总述：（菲华）

• 预测 number_of_comments, number_of_upvotes,number_of_downvotes 通过如下regression： predict = f(title information, user information, time,...)

细节：（佳琪，嘉卓）

• 分析title information
• 对title进行聚类，分析出label
• 将title所属的subreddit作为title information的一个feature
• 对title进行降维，得到一系列关键词以作为 “is word xxx in title?” 的二进制feature
• ...(待续)

分析user information （一帆）

• 对user的权重值分析（是否为大V?) 并作为一个feature (用户分组)
• 对user进行聚类分析出user_label
• ...(待续)

进展

• 读数据的文档见load_data.py，数据是submissions.csv

Report

Please follow this link to read our report.