Neue Benchmark‑Datensätze für Lead‑Lag‑Vorhersagen auf sozialen Plattformen

Soziale und kollaborative Plattformen erzeugen umfangreiche Zeitreihen, in denen frühe Interaktionen – etwa Aufrufe, Likes oder Downloads – oft Monate oder Jahre später zu bedeutenderen Ergebnissen wie Zitierungen, Verkäufen oder Bewertungen führen. Dieses Phänomen wird als Lead‑Lag‑Forecasting (LLF) bezeichnet: aus einem frühen Nutzungskanal (Lead) soll ein korrelierter, zeitlich verschobener Ergebniskanal (Lag) vorhergesagt werden.

Obwohl solche Muster allgegenwärtig sind, wurde LLF bislang nicht als einheitliches Vorhersageproblem in der Zeitreihenforschung behandelt, weil es an standardisierten Datensätzen mangelt. Um die Forschung zu verankern, stellen die Autoren zwei hochvolumige Benchmark‑Datensätze vor: arXiv (Zugriffe → Zitierungen von 2,3 Mio. Artikeln) und GitHub (Pushes/Stars → Forks von 3 Mio. Repositories). Zusätzlich werden weitere Domänen mit ähnlichen Lead‑Lag‑Dynamiken genannt, darunter Wikipedia (Seitenaufrufe → Bearbeitungen), Spotify (Streams → Konzertbesuche), E‑Commerce (Klicks → Käufe) und LinkedIn (Profilaufrufe → Nachrichten).

Die Datensätze decken langfristige Dynamiken über mehrere Jahre ab, umfassen das gesamte Ergebnis-Spektrum und vermeiden Überlebensbias bei der Stichprobenauswahl. Die Autoren haben sämtliche technischen Details der Datenerfassung und -bereinigung dokumentiert, die Existenz von Lead‑Lag‑Beziehungen durch statistische und Klassifikationsprüfungen bestätigt und sowohl parametrische als auch nichtparametrische Regressionsbaselines benchmarked.

Damit etabliert die Studie LLF als neues, eigenständiges Vorhersageparadigma und legt eine solide empirische Basis für dessen systematische Erforschung in sozialen Plattformen und darüber hinaus.