A téma célja annak vizsgálata, hogy egy kép vizuális jellemzői alapján mennyire lesz várhatóan sikeres a közösségi médiában. A dolgozat egy olyan gépi tanulási modellt (például konvolúciós neurális hálót, illetve modern kép-embeddekre épülő regressziós/klasszifikációs hálót) tervez és tanít, amely korábbi posztok képeiből és a hozzájuk tartozó sikerességi mutatókból (pl. like-szám, kommentek száma, megosztások, elérés, engagement rate) tanul. A rendszer egy új, még nem publikált kép bemenetére becslést ad a várható teljesítményre, például egy skálázott “sikerességi pontszám” formájában, illetve kategóriákba sorolhatja a tartalmat (alacsony/közepes/magas várható engagement).
A megvalósítás során különös hangsúlyt kap az adatok előfeldolgozása és a torzítások kezelése: a sikeresség erősen függhet nem vizuális tényezőktől is (például posztolás időpontja, fiók követőszáma, hashtagek, leírás, platform), ezért a dolgozat összehasonlíthatja a tisztán képalapú modellt egy olyan bővített megközelítéssel, amely metaadatokat is figyelembe vesz. Az értékelés történhet regressziós metrikákkal (MAE/RMSE, Spearman-korreláció a rangsorokra), illetve osztályozási pontossággal, és tartalmazhat esettanulmányokat arról, hogy mely vizuális mintázatok (kompozíció, színdinamika, arcok jelenléte, szöveg a képen, téma) járulnak hozzá a jobb teljesítményhez. A dolgozat eredménye egy prototípus előrejelző rendszer, amely képek feltöltésével “előzetes engagement-becslést” ad, és támogatja a tartalomkészítést vagy A/B tesztelést. A téma leadása előtt egyeztetni szükséges! Részletesebb leírás, illetve további témák oktatói oldalamon (https://nik.siposm.hu/thesis-topics) találhatók!