論文の概要: DFW-PP: Dynamic Feature Weighting based Popularity Prediction for Social Media Content

• arxiv url: http://arxiv.org/abs/2110.08510v1
• Date: Sat, 16 Oct 2021 08:40:58 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 21:33:15.551126
• Title: DFW-PP: Dynamic Feature Weighting based Popularity Prediction for Social Media Content
• Title（参考訳）: DFW-PP:動的特徴量に基づくソーシャルメディアコンテンツの人気予測
• Authors: Viswanatha Reddy G, Chaitanya B S N V, Prathyush P, Sumanth M, Mrinalini C, Dileep Kumar P, Snehasis Mukherjee
• Abstract要約: ソーシャルメディアプラットフォーム上でのコンテンツの過度な飽和は、コンテンツの人気に影響を与える重要な要因を特定するよう私たちを説得してきた。 DFW-PPフレームワークを提案し、時間とともに異なる特徴の重要性を学習する。 提案手法は,有望な結果を示すベンチマークデータセットを用いて実験を行った。
• 参考スコア（独自算出の注目度）: 4.348651617004765
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The increasing popularity of social media platforms makes it important to study user engagement, which is a crucial aspect of any marketing strategy or business model. The over-saturation of content on social media platforms has persuaded us to identify the important factors that affect content popularity. This comes from the fact that only an iota of the humongous content available online receives the attention of the target audience. Comprehensive research has been done in the area of popularity prediction using several Machine Learning techniques. However, we observe that there is still significant scope for improvement in analyzing the social importance of media content. We propose the DFW-PP framework, to learn the importance of different features that vary over time. Further, the proposed method controls the skewness of the distribution of the features by applying a log-log normalization. The proposed method is experimented with a benchmark dataset, to show promising results. The code will be made publicly available at https://github.com/chaitnayabasava/DFW-PP.
• Abstract（参考訳）: ソーシャルメディアプラットフォームの人気が高まる中、ユーザーのエンゲージメントを研究することが重要となり、これはマーケティング戦略やビジネスモデルの重要な側面である。 ソーシャルメディアプラットフォーム上でのコンテンツの過度な飽和は、コンテンツの人気に影響を与える重要な要因を特定するよう私たちを説得してきた。 これは、オンラインで視聴できる謙虚なコンテンツの1オタだけがターゲットのオーディエンスから注目を集めているという事実に由来する。 いくつかの機械学習技術を用いて、人気予測の分野で包括的な研究が行われている。 しかし,メディアコンテンツの社会的重要性を分析する上で,改善の余地は依然として大きいと考えられる。 DFW-PPフレームワークを提案し、時間とともに異なる特徴の重要性を学習する。 さらに,ログ正規化を適用して特徴量の分布の歪度を制御する手法を提案する。 提案手法は,有望な結果を示すベンチマークデータセットを用いて実験を行った。 コードはhttps://github.com/chaitnayabasava/DFW-PPで公開される。

関連論文リスト

• Contrastive Learning for Implicit Social Factors in Social Media Popularity Prediction [12.798988947331596]
  我々は、ポスト人気に影響を与えるソーシャルプラットフォームによってもたらされる要因について研究する。 これらの要因には、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティが含まれる。 本稿では、コンテンツ関連性、ユーザ影響の類似性、ユーザアイデンティティなど、人気に関する3つの暗黙的な社会的要因を提案する。
  論文  参考訳（メタデータ） (2024-10-12T03:25:11Z)
• SMP Challenge: An Overview and Analysis of Social Media Prediction Challenge [63.311045291016555]
  ソーシャルメディアの人気予測(SMPP)は、オンライン投稿の今後の人気値を自動予測する重要なタスクである。 本稿では,課題,データ,研究の進展について要約する。
  論文  参考訳（メタデータ） (2024-05-17T02:36:14Z)
• Time Series Analysis of Key Societal Events as Reflected in Complex Social Media Data Streams [0.9790236766474201]
  本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。 我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。 主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
  論文  参考訳（メタデータ） (2024-03-11T18:33:56Z)
• Reframing Audience Expansion through the Lens of Probability Density Estimation [0.0]
  オーディエンス拡大は、マーケターが現在の顧客ベースを代表するサンプルに基づいてターゲットのオーディエンスを作成するのに役立つ。 広範に使われているMNISTデータセットに基づくシミュレーション研究を行い、一貫した高精度とリコール値を用いて、拡張されたオーディエンスにとって最も関連性の高いユーザを特定する能力を示す。
  論文  参考訳（メタデータ） (2023-11-10T03:25:53Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Crowding out the truth? A simple model of misinformation, polarization and meaningful social interactions [0.0]
  ランキングアルゴリズムの重要なパラメータ、すなわち人気度とパーソナライズパラメータが、プラットフォームエンゲージメント、誤情報、偏光の尺度に与える影響を評価する。 その結果、オンラインソーシャルインタラクションやパーソナライズされたコンテンツに割り当てられる重みの増大は、ソーシャルメディアプラットフォーム上でのエンゲージメントを増大させる一方で、誤情報や偏光を増大させる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-10-05T13:26:08Z)
• Content Popularity Prediction in Fog-RANs: A Clustered Federated Learning Based Approach [66.31587753595291]
  本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。 ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。 モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
  論文  参考訳（メタデータ） (2022-06-13T03:34:00Z)
• An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
  TikTokのアルゴリズムがプラットフォームの成功とコンテンツの配布に重要であるにもかかわらず、アルゴリズムの実証的な分析はほとんど行われていない。 我々は,私たちが開発したカスタムアルゴリズムを用いたソック・パペット・監査手法を用いて,TikTokへのアクセスに使用される言語と位置情報の効果を検証,分析した。 その結果,フォローフェールが最も強い影響を受けており,ライクフェールやビデオ視聴率が高いことが判明した。
  論文  参考訳（メタデータ） (2022-01-28T17:40:00Z)
• Detecting Ideal Instagram Influencer Using Social Network Analysis [0.0]
  本論文は、現実のオンラインマーケティング戦略のためのソーシャルネットワーク分析(SNA)に焦点を当てている。 この研究は、ネットワーク内の最も中心的なノードを特定するための様々な集中度尺度を比較し、個々のユーザの拡散行動を理解するために線形しきい値モデルを用いて貢献する。
  論文  参考訳（メタデータ） (2021-07-12T20:53:58Z)
• SoMin.ai: Personality-Driven Content Generation Platform [60.49416044866648]
  世界初のパーソナリティ駆動型マーケティングコンテンツ生成プラットフォームであるSoMin.aiを紹介します。 このプラットフォームは、ディープ・マルチビュー・パーソナリティ・プロファイリング・フレームワークと、スタイル・ジェネレーティブ・敵ネットワークを組み合わせている。 ソーシャルネットワーキングのユーザエクスペリエンスの向上や、コンテンツマーケティングのルーチンに使用できる。
  論文  参考訳（メタデータ） (2020-11-30T08:33:39Z)
• Content-based Analysis of the Cultural Differences between TikTok and Douyin [95.32409577885645]
  ショートフォームのソーシャルメディアは、聴衆にダイナミックなストーリーを伝え、彼らの注意を引き付けることによって、伝統的なメディアパラダイムから遠ざかる。 特に、興味深く、理解しやすいユニークなシーンを表現するために、日常的なオブジェクトの異なる組み合わせを用いることができる。 同じ会社によって提供されたTikTokとDouyinは、近年人気になった新しいメディアの好例だ。 メディアファッションや社会的慣用性とともに文化的な違いを表現しているという仮説が,本研究の主目的である。
  論文  参考訳（メタデータ） (2020-11-03T01:47:49Z)

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。