A solução sugere melhorias no desenho de notícias on-line antes da sua publicação, em atributos como o número de palavras do título, as palavras-chave (já usadas noutras notícias) e a aposta em determinados links.

O sistema inovador usa três módulos: recolha de dados, previsão de popularidade e otimização. No primeiro, agrega indicadores como número de palavras do título, palavras-chave, menções a notícias anteriores, partilhas dessas notícias, sentimento (positivo/negativo) por elas gerado e o uso de imagens ou vídeos. No módulo de previsão, os dados recolhidos são utilizados para treinar modelos de aprendizagem automática, criando um modelo que preveja a probabilidade de a notícia candidata ser popular. Por fim, usa-se o modelo de otimização para procurar sugestões de mudanças à notícia candidata, aumentando assim a popularidade estimada.

Paulo Cortez, Pedro Vinagre (do Centro Algoritmi da UMinho) e Kelwin Fernandes começaram a desenvolver esta solução no âmbito de um projeto de curso e aplicaram este sistema de apoio à decisão a quase 40 mil notícias publicadas desde 2013 no Mashable, o maior blogue mundial de notícias sobre novas tecnologias, que tem 24 milhões de seguidores e 7.5 milhões de partilhas por mês.

O trabalho, intitulado ‘A proactive intelligent decision support system for predicting the popularity of online news’ venceu o Best Paper Award da 17.ª Conferência Portuguesa em Inteligência Artificial, entre 81 artigos de autores de 18 países, e foi já publicada pela editora Springer.