論文の概要: Understanding YouTube Communities via Subscription-based Channel
Embeddings
- arxiv url: http://arxiv.org/abs/2010.09892v1
- Date: Mon, 19 Oct 2020 22:00:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 23:31:18.615064
- Title: Understanding YouTube Communities via Subscription-based Channel
Embeddings
- Title（参考訳）: サブスクリプションベースのチャンネル埋め込みによるyoutubeコミュニティの理解
- Authors: Sam Clark and Anna Zaitsev
- Abstract要約: 本稿では,YouTubeチャンネルの発見と分類を行う新しい手法を提案する。
これらの手法は、コメントの公開購読ページを活用する自己教師付き学習アプローチを使用する。
異なる政治コンテンツへのトラフィック量を分析するために、新しいデータセットを作成します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: YouTube is an important source of news and entertainment worldwide, but the
scale makes it challenging to study the ideas and topics being discussed on the
platform. This paper presents new methods to discover and classify YouTube
channels which enable the analysis of communities and categories on the
platform using orders of magnitude more channels than have been used in
previous studies. Instead of using channel and video data as features for
classification as other researchers have, these methods use a self-supervised
learning approach that leverages the public subscription pages of commenters.
We test the classification method on the task of predicting the political lean
of YouTube news channels and find that it outperforms the previous best model
on the task. Further experiments also show that there are important advantages
to using commenter subscriptions to discover channels. The subscription data,
along with an iterative approach, is applied to discover, to our current
understanding, the most comprehensive set of English language socio-political
YouTube channels yet to be analyzed. We experiment with predicting more fine
grained political tags for channels using a previously annotated dataset and
find that our model performs better than the average individual human reviewer
for most of the top tags. This fine grained political tag model is then applied
to the newly discovered English language socio-political channels to create a
new dataset to analyze the amount of traffic going to different political
content. The data shows that some tags, such as "Partisan Right" and
"Conspiracy", are significantly under represented when looking only at the most
popular socio-political channels. Through the use of our methods, we are able
to get a much more accurate picture of the size of these communities on
YouTube.
- Abstract（参考訳）: youtubeは世界中のニュースやエンタテインメントの重要な情報源だが、このスケールはプラットフォーム上で議論されているアイデアやトピックを研究するのを難しくしている。
本稿では,従来の研究よりも桁違いに多くのチャンネルを用いて,プラットフォーム上のコミュニティやカテゴリの分析を可能にするyoutubeチャンネルの発見と分類を行う新しい手法を提案する。
他の研究者が持っているような分類機能としてチャネルデータやビデオデータを使用する代わりに、これらの方法は、コメントの公開購読ページを活用する自己教師付き学習アプローチを使用する。
我々は、youtubeニュースチャンネルの政治的リーンを予測するタスクの分類方法をテストし、そのタスクの以前のベストモデルよりも優れていることを突き止めた。
さらなる実験によって、チャンネルの発見にコメント購読を使う重要な利点があることも示されている。
サブスクリプションデータは、反復的なアプローチとともに、我々の現在の理解において、まだ分析されていない最も包括的な英語の社会政治的YouTubeチャンネルを見つけるために適用される。
我々は、以前アノテーション付きデータセットを使用して、チャネルのよりきめ細かい政治タグを予測する実験を行い、我々のモデルは、トップタグのほとんどに対して、平均的な個人レビュアーよりも優れたパフォーマンスを示す。
このきめ細かい政治タグモデルは、新たに発見された英語の社会政治チャネルに適用され、異なる政治コンテンツへのトラフィックの量を分析する新しいデータセットを作成する。
データは、最もポピュラーな社会政治チャンネルのみを見る場合、「パルチザン右派」や「陰謀」といったいくつかのタグは、明らかに下降傾向にあることを示している。
私たちの方法では、YouTube上でこれらのコミュニティのサイズをより正確に把握することができます。
関連論文リスト
- Detours for Navigating Instructional Videos [58.1645668396789]
We propose VidDetours, a video-lang approach that learn to retrieve the target temporal segments from a large repository of how-to's。
本稿では,ビデオ検索と質問応答の最良の方法に比べて,モデルが大幅に改善し,リコール率が35%を超えることを示す。
論文 参考訳（メタデータ） (2024-01-03T16:38:56Z) - Tube2Vec: Social and Semantic Embeddings of YouTube Channels [11.321096553990824]
ソーシャル共有行動、ビデオメタデータ、YouTubeのビデオレコメンデーションをキャプチャする埋め込みを作成します。
クラウドソーシングと既存のデータセットを用いて,これらの埋め込みを評価する。
われわれは、将来の研究の利益のために、44,000のYouTubeチャンネルのソーシャルおよびセマンティック次元をキャプチャーする埋め込みを共有している。
論文 参考訳（メタデータ） (2023-06-29T20:43:57Z) - Micro-video Tagging via Jointly Modeling Social Influence and Tag
Relation [56.23157334014773]
85.7%のマイクロビデオにはアノテーションがない。
既存の手法は、主にビデオコンテンツの分析、ユーザの社会的影響やタグ関係を無視することに焦点を当てている。
構築したヘテロジニアスネットワークにおけるリンク予測問題として,マイクロビデオタギングを定式化する。
論文 参考訳（メタデータ） (2023-03-15T02:13:34Z) - Characterizing Alternative Monetization Strategies on YouTube [31.029850908268013]
YouTubeプラットフォームの重要な役割の1つは、クリエイターにコンテンツから収益を生み出す機能を提供することだ。
本研究では、代替収益化戦略の研究と特徴付けに焦点をあてる。
外部収益化は、全ビデオの18%で利用され、少なくとも1回は、チャンネルの61%がそのような戦略を使っている。
論文 参考訳（メタデータ） (2022-03-18T19:48:49Z) - Classifying YouTube Comments Based on Sentiment and Type of Sentence [0.0]
我々は、よく知られた統計測度と機械学習モデルを用いて、YouTubeコメントからのテキスト抽出と分類の課題に対処する。
その結果,従来の手法を取り入れた手法が,コンテンツ制作者のチャンネルにおける視聴者エンゲージメント向上に有効であることを示す。
論文 参考訳（メタデータ） (2021-10-31T18:08:10Z) - Scaling New Peaks: A Viewership-centric Approach to Automated Content
Curation [4.38301148531795]
本稿では,様々なセグメント識別目標に対応するビューアシップ駆動自動手法を提案する。
衛星テレビ視聴データを用いて、視聴者関心の「シード」セグメントを特定するために、視聴者関心の源泉として、視聴者関心の時系列に統計的異常検出を適用した。
我々は、2019年12月19日にアメリカ合衆国民主党大統領討論会と、2019年ウィンブルドン女子最終討論会で2つのケーススタディを提示した。
論文 参考訳（メタデータ） (2021-08-09T17:17:29Z) - YouNiverse: Large-Scale Channel and Video Metadata from English-Speaking
YouTube [15.03145814947425]
YouNiverseは、英語のYouTubeのチャンネルとビデオメタデータの大規模なコレクションである。
2005年5月から2019年10月までに発行された136Kチャンネルと72.9Mビデオのメタデータで構成されている。
データセットには、コメントされた4億4900万人の匿名ユーザのセットのビデオを指定するテーブルも含まれている。
論文 参考訳（メタデータ） (2020-12-18T17:46:47Z) - Cross-Domain Learning for Classifying Propaganda in Online Contents [67.10699378370752]
本稿では,ラベル付き文書や,ニュースやつぶやきからの文をベースとしたクロスドメイン学習の手法を提案する。
本実験は,本手法の有効性を実証し,移動過程におけるソースやターゲットの様々な構成における困難さと限界を同定する。
論文 参考訳（メタデータ） (2020-11-13T10:19:13Z) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳（メタデータ） (2020-07-16T02:13:55Z) - Generalized Few-Shot Video Classification with Video Retrieval and
Feature Generation [132.82884193921535]
従来の手法は,映像特徴学習の重要性を過小評価し,二段階的アプローチを提案する。
この単純なベースラインアプローチは、既存のベンチマークで20ポイント以上の精度で、以前の数ショットビデオ分類方法よりも優れていることを示す。
さらなる改善をもたらす2つの新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-07-09T13:05:32Z) - Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube
Thumbnails of Popular Videos [98.87558262467257]
本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。
実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
論文 参考訳（メタデータ） (2020-01-27T20:15:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。