論文の概要: Slapping Cats, Bopping Heads, and Oreo Shakes: Understanding Indicators
of Virality in TikTok Short Videos
- arxiv url: http://arxiv.org/abs/2111.02452v1
- Date: Wed, 3 Nov 2021 18:17:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 15:22:15.324004
- Title: Slapping Cats, Bopping Heads, and Oreo Shakes: Understanding Indicators
of Virality in TikTok Short Videos
- Title(参考訳): スラップキャット、ボッピングヘッド、オレオシェイク:tiktokショートビデオにおけるバイラル性の指標の理解
- Authors: Chen Ling, Jeremy Blackburn, Emiliano De Cristofaro, and Gianluca
Stringhini
- Abstract要約: 我々は、TikTokに投稿された短いビデオの要素がバイラル性に与える影響について研究する。
我々の研究は、非ウイルスのTikTokビデオとウイルスを区別する特徴を強調している。
- 参考スコア(独自算出の注目度): 11.089339341624996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Short videos have become one of the leading media used by younger generations
to express themselves online and thus a driving force in shaping online
culture. In this context, TikTok has emerged as a platform where viral videos
are often posted first. In this paper, we study what elements of short videos
posted on TikTok contribute to their virality. We apply a mixed-method approach
to develop a codebook and identify important virality features. We do so
vis-\`a-vis three research hypotheses; namely, that: 1) the video content, 2)
TikTok's recommendation algorithm, and 3) the popularity of the video creator
contribute to virality.
We collect and label a dataset of 400 TikTok videos and train classifiers to
help us identify the features that influence virality the most. While the
number of followers is the most powerful predictor, close-up and medium-shot
scales also play an essential role. So does the lifespan of the video, the
presence of text, and the point of view. Our research highlights the
characteristics that distinguish viral from non-viral TikTok videos, laying the
groundwork for developing additional approaches to create more engaging online
content and proactively identify possibly risky content that is likely to reach
a large audience.
- Abstract(参考訳): ショートビデオは、若い世代が自らをオンラインに表現するために使っている主要なメディアの1つとなり、オンライン文化を形作る原動力となっている。
この状況下では、TikTokはバイラルビデオが最初に投稿されるプラットフォームとして登場した。
本稿では,TikTokに投稿された短いビデオの要素がバイラル性に与える影響について検討する。
我々は、コードブックを開発し、重要なバイラル性特徴を識別するために混合手法を適用する。
私たちは3つの研究仮説、すなわち、そのようにします。
1)ビデオの内容。
2)TikTokの推奨アルゴリズムと
3)ビデオクリエーターの人気はバイラル性に寄与する。
私たちは400のTikTokビデオとトレーニング分類器のデータセットを収集してラベル付けし、バイラル性に最も影響を及ぼす特徴を特定するのに役立ちます。
フォロワーの数は最も強力な予測者だが、クローズアップと中規模スケールも重要な役割を果たす。
ビデオのライフスパン、テキストの存在、そして視点もそうです。
我々の研究は、ウイルス以外のTikTokビデオとウイルスを区別する特徴を強調し、より魅力的なオンラインコンテンツを作成し、大観衆に届く可能性のある危険のあるコンテンツを積極的に特定するための新たなアプローチの基盤を築き上げている。
関連論文リスト
- HOTVCOM: Generating Buzzworthy Comments for Videos [49.39846630199698]
この研究は、中国最大のビデオコンテンツデータセットであるtextscHotVComを紹介し、94万の多様なビデオと1億1700万のコメントからなる。
また、中国語のビデオデータセット上で、視覚的、聴覚的、テキスト的データを相乗的に統合し、影響力のあるホットコンテンツを生成するtexttComHeatフレームワークを提案する。
論文 参考訳(メタデータ) (2024-09-23T16:45:13Z) - Conspiracy theories and where to find them on TikTok [3.424635462664968]
TikTokがオンラインの有害で危険なコンテンツを宣伝し、増幅する可能性を懸念する声が上がっている。
本研究は、陰謀論を推し進める動画の存在を分析し、その有病率を低く見積もっている。
ビデオの音声の書き起こしを抽出した後の陰謀論を識別するために,最先端のオープン言語モデルの有効性を評価する。
論文 参考訳(メタデータ) (2024-07-17T13:28:11Z) - A Video Is Worth 4096 Tokens: Verbalize Videos To Understand Them In
Zero Shot [67.00455874279383]
そこで本研究では,自然言語による記述を生成するために長編動画を音声化し,生成したストーリーの映像理解タスクを実行することを提案する。
提案手法は,ゼロショットであるにもかかわらず,ビデオ理解のための教師付きベースラインよりもはるかに優れた結果が得られる。
ストーリー理解ベンチマークの欠如を緩和するため,我々は,説得戦略の識別に関する計算社会科学における重要な課題に関する最初のデータセットを公開している。
論文 参考訳(メタデータ) (2023-05-16T19:13:11Z) - Machine Learning enabled models for YouTube Ranking Mechanism and Views
Prediction [4.460478321893019]
提案する研究は,機械学習とAI技術を用いて,YouTubeビデオのリーチ,人気,ビューを特定・推定することを目的としている。
ランキングシステムは、トレンド動画を考慮に入れておくためにも使われる。
論文 参考訳(メタデータ) (2022-11-15T18:06:30Z) - Kuaipedia: a Large-scale Multi-modal Short-video Encyclopedia [59.47639408597319]
Kuaipediaは、アイテム、アスペクト、ショートビデオからなる大規模なマルチモーダル百科事典である。
これは中国で有名なショートビデオプラットフォームKuaishouの何十億ものビデオから抽出されたものだ。
論文 参考訳(メタデータ) (2022-10-28T12:54:30Z) - 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) - 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) - Classification of Important Segments in Educational Videos using
Multimodal Features [10.175871202841346]
本稿では,最先端の音声・視覚・テキスト機能を利用したマルチモーダルニューラルアーキテクチャを提案する。
本実験では,視覚的・時間的情報の影響と,重大予測に対するマルチモーダル特徴の組み合わせについて検討した。
論文 参考訳(メタデータ) (2020-10-26T14:40:23Z) - Comprehensive Information Integration Modeling Framework for Video
Titling [124.11296128308396]
エンド・ツー・エンド・エンド・モデリング・フレームワークにおいて、消費者生成ビデオの内容、消費者から提供される物語コメント文、製品属性などの包括的情報ソースを統合する。
この問題に対処するため,提案手法は,粒度レベルの相互作用モデリングと抽象レベルのストーリーライン要約という2つのプロセスから構成される。
グローバルなeコマースプラットフォームであるTaobaoの実際のデータから、大規模なデータセットを収集します。
論文 参考訳(メタデータ) (2020-06-24T10:38:15Z)
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。