論文の概要: A study on Channel Popularity in Twitch
- arxiv url: http://arxiv.org/abs/2111.05939v1
- Date: Wed, 10 Nov 2021 20:55:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-12 14:59:48.103449
- Title: A study on Channel Popularity in Twitch
- Title（参考訳）: Twitchにおけるチャンネル人気に関する研究
- Authors: Ha Le, Junming Wu, Louis Yu, Melissa Lynn
- Abstract要約: Twitchにおけるストリーマーの人気の予測についてはほとんど研究されていない。
ストリームデータは、4週間の間にTwitchのAPIを使用して一貫したトラッキングを通じて収集された。
その結果,ストリーミングセッションの頻度,コンテンツの種類,ストリームの長さが,セッション中に視聴者や購読者のストリームがどれだけの頻度で得られるかを決定する重要な要因であることが判明した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the past few decades, there has been an increasing need for Internet users
to host real time events online and to share their experiences with live,
interactive audiences. Online streaming services like Twitch have attracted
millions of users to stream and to spectate. There have been few studies about
the prediction of streamers' popularity on Twitch. In this paper, we look at
potential factors that can contribute to the popularity of streamers. Streamer
data was collected through consistent tracking using Twitch's API during a 4
weeks period. Each user's streaming information such as the number of current
viewers and followers, the genre of the stream etc., were collected. From the
results, we found that the frequency of streaming sessions, the types of
content and the length of the streams are major factors in determining how much
viewers and subscribers streamers can gain during sessions.
- Abstract（参考訳）: 過去数十年間、インターネットユーザーがリアルタイムイベントをオンラインでホストし、彼らの体験をライブでインタラクティブなオーディエンスと共有する必要性が高まってきた。
Twitchのようなオンラインストリーミングサービスは、何百万人ものユーザーを惹きつけている。
twitchでのストリーマーの人気予測についてはほとんど研究されていない。
本稿では,ストリーマーの人気に寄与する潜在的な要因について考察する。
ストリームデータは、twitchのapiを使って4週間にわたって一貫したトラッキングを通じて収集された。
ユーザの現在の視聴者数やフォロワー数、ストリームのジャンルなど、各ユーザのストリーミング情報が収集された。
その結果,ストリーミングセッションの頻度,コンテンツの種類,ストリームの長さが,セッション中に視聴者や購読者から得られる回数を決定する重要な要因であることが判明した。
関連論文リスト
- Analyzing Pokémon and Mario Streamers' Twitch Chat with LLM-based User Embeddings [1.788784870849724]
Twitchの各ストリーマー(SmallAnt、DougDoug、PointCrow)によって、ひとつのストリームのチャットを分析します。
以上の結果から,各ストリーマーにはそれぞれ独自のタイプのおしゃべり機能があることが示唆された。ただし,支持的な視聴者と絵文字,反応送信者という,すべてのストリーマーに2つのカテゴリが出現する。
論文 参考訳（メタデータ） (2024-11-17T02:08:03Z) - LiveChat: Video Comment Generation from Audio-Visual Multimodal Contexts [8.070778830276275]
我々は,ライブコメント技術の開発を容易にするために,大規模音声・視覚多モーダル対話データセットを作成する。
データはTwitchから収集され、11のカテゴリと575のストリーマーで合計438時間のビデオと3200万のコメントがある。
本稿では,映像中の時間的・空間的事象に対応するライブコメントを生成できる新しいマルチモーダル生成モデルを提案する。
論文 参考訳（メタデータ） (2023-10-01T02:35:58Z) - Data Exfiltration by Hotjar Revisited [55.2480439325792]
セッションのリプレイスクリプトにより、ウェブサイト所有者は各ウェブサイトビジターのインタラクションを記録することができる。
これまでの研究では、プライバシー侵害のようなテクニックが特定されていた。
このポジションペーパーはHotjarのデータ収集に関する情報を更新する。
論文 参考訳（メタデータ） (2023-09-20T12:23:34Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-18T05:58:27Z) - CS-lol: a Dataset of Viewer Comment with Scene in E-sports
Live-streaming [0.5735035463793008]
何十億ものライブストリーミング視聴者が、リアルタイムで見ているシーンについて意見を共有し、イベントと対話する。
CS-lolは,E-Sportsのライブストリーミングにおけるゲームシーンの記述と組み合わせた,視聴者からのコメントを含むデータセットである。
本稿では,ライブストリーミングイベントのシーンに対する視聴者コメントを検索するタスク,すなわち視聴者コメント検索を提案する。
論文 参考訳（メタデータ） (2023-01-17T13:34:06Z) - LiveSeg: Unsupervised Multimodal Temporal Segmentation of Long
Livestream Videos [82.48910259277984]
ライブストリームのチュートリアルビデオは通常数時間、録画され、ライブセッションの直後に直接インターネットにアップロードされるため、他の人がすぐに追いつくのが難しくなる。
アウトラインは有益なソリューションであり、トピックに応じてビデオが時間的にセグメント化される必要がある。
我々は、異なるドメインのマルチモーダル機能を生かした、教師なしのLivestreamビデオテンポラルソリューションLiveSegを提案する。
論文 参考訳（メタデータ） (2022-10-12T00:08:17Z) - Tutorial Recommendation for Livestream Videos using Discourse-Level
Consistency and Ontology-Based Filtering [75.78484403289228]
本稿では,ライブストリーミングビデオのチュートリアルレコメンデーションタスクのための新しいデータセットとモデルを提案する。
システムは、ライブストリーミングビデオの内容を分析し、最も関連性の高いチュートリアルを推薦することができる。
論文 参考訳（メタデータ） (2022-09-11T22:45:57Z) - Subjective and Objective Analysis of Streamed Gaming Videos [60.32100758447269]
ゲームビデオにおける主観的および客観的ビデオ品質評価(VQA)モデルについて検討する。
LIVE-YouTube Gaming Video Quality (LIVE-YT-Gaming) と呼ばれる新しいゲームビデオリソースを作成しました。
このデータについて主観的人間調査を行い,61名の被験者が記録した品質評価18,600名を得た。
論文 参考訳（メタデータ） (2022-03-24T03:02:57Z) - Monetizing Propaganda: How Far-right Extremists Earn Money by Video
Streaming [0.0]
Youtube、Twitch、DLiveなどのビデオストリーミングプラットフォームでは、ユーザーは金銭的な寄付のためにビデオコンテンツをライブストリーミングすることができる。
DLiveは暴力的な過激派や近親者集団がお金を稼いで宣伝する場として人気がある。
本稿では、DLiveが公開しているトランザクションの台帳からデータを収集・分析するための新しい実験について述べる。
論文 参考訳（メタデータ） (2021-05-12T19:48:30Z) - Moment-to-moment Engagement Prediction through the Eyes of the Observer:
PUBG Streaming on Twitch [0.9281671380673304]
我々は,有名なバトルロイヤルゲームPlayerUnknown's Battlegroundsから収集されたデータに基づいて,視聴者のエンゲージメントを予測するモデルを構築した。
特に,5つの人気ストリーマーの数百試合から視聴者のチャットログとゲーム内テレメトリデータを収集する。
私たちの重要な発見は、40のゲームプレイ機能のみにトレーニングされたエンゲージメントモデルが、平均で80%、最高で84%のアキュラシーに達することを示しています。
論文 参考訳（メタデータ） (2020-08-17T10:40:34Z) - 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。