O dataset apresenta 53 features divididas em 4 categorias da seguinte forma:
| Categoria | Essenciais | Página | Dia da seamana | Outros |
|---|---|---|---|---|
| Quantidade | 30 | 4 | 14 | 5 |
Cada categoria é detalhada a seguir.
Nesta categoria, estão features que descrevem o padrão de comentários em diferentes intervalos de tempo. Das 30, 5 são diretamente relacionadas à contagem de comentários e são listadas a seguir. As outras 25 são derivadas das primeiras pelos cálculos de mínimo, máximo, média, mediana e desvio padrão para cada uma.
- C1: Contagem de comentários antes da data base selecionada
- C2: Contagem de comentários 24h após a data base selecionada
- C3: Contagem de comentários 48h após a data base selecionada
- C4: Contagem de comentários nas primeiras 24h após a publicação do documento, mas antes da data base selecionada
- C5: Diferença entre C2 e C3
Esta categoria agrupa as seguintes características da página:
- Curtidas
- Categoria
- Checkins
- Talking About: Contagem de usuários interagindo com a página; agrega diferentes atividades como comentários, curtidas em posts, compartilhamentos
Estas features são indicadores binários para representar o dia da semana no qual o documento foi publicado e o dia da semana da data base selecionada, sendo 7 para cada.
Estas outras 5 características elencadas são relacionadas a:
- Tamanho do documento
- Intervalo de tempo entre a data de publicação e a data base selecionada para análise
- Promoção da publicação
- Contagem de compartilhamentos