論文の概要: An Empirical Investigation of Personalization Factors on TikTok
- arxiv url: http://arxiv.org/abs/2201.12271v1
- Date: Fri, 28 Jan 2022 17:40:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 14:33:10.063846
- Title: An Empirical Investigation of Personalization Factors on TikTok
- Title（参考訳）: TikTokのパーソナライズ要因に関する実証的研究
- Authors: Maximilian Boeker, Aleksandra Urman
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 77.34726150561087
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: TikTok currently is the fastest growing social media platform with over 1
billion active monthly users of which the majority is from generation Z.
Arguably, its most important success driver is its recommendation system.
Despite the importance of TikTok's algorithm to the platform's success and
content distribution, little work has been done on the empirical analysis of
the algorithm. Our work lays the foundation to fill this research gap. Using a
sock-puppet audit methodology with a custom algorithm developed by us, we
tested and analysed the effect of the language and location used to access
TikTok, follow- and like-feature, as well as how the recommended content
changes as a user watches certain posts longer than others. We provide evidence
that all the tested factors influence the content recommended to TikTok users.
Further, we identified that the follow-feature has the strongest influence,
followed by the like-feature and video view rate. We also discuss the
implications of our findings in the context of the formation of filter bubbles
on TikTok and the proliferation of problematic content.
- Abstract（参考訳）: tiktokは現在、急速に成長しているソーシャルメディアプラットフォームであり、月間アクティブユーザー数は10億人を超えている。
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。
私たちの研究は、この研究ギャップを埋めるための基礎を築いた。
当社が開発したカスタムアルゴリズムを用いたsock-puppet監査手法を用いて,tiktok,フォロー機能,いいね!機能へのアクセスに使用される言語とロケーションの効果と,ユーザが特定の投稿を長く見ることによって推奨されるコンテンツがどう変化するかをテストおよび分析した。
テストされたすべての要素がTikTokユーザに推奨されるコンテンツに影響を与える証拠を提供する。
さらに,フォロー機能の影響が最も強く,追従機能やビデオ視聴率が高いことがわかった。
また,tiktokにおけるフィルタバブルの形成と問題コンテンツの拡散の文脈において,本研究の意義について考察する。
関連論文リスト
- Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。
調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
論文 参考訳（メタデータ） (2024-10-31T07:19:22Z) - 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) - Modeling offensive content detection for TikTok [0.0]
本研究では,攻撃内容を含むTikTokデータの収集と解析を行う。
攻撃的なコンテンツ検出のための一連の機械学習とディープラーニングモデルを構築している。
論文 参考訳（メタデータ） (2024-08-29T18:47:41Z) - Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。
参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。
この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
論文 参考訳（メタデータ） (2024-05-09T07:36:08Z) - Can Probabilistic Feedback Drive User Impacts in Online Platforms? [26.052963782865294]
コンテンツレコメンデーションシステムのネガティブなユーザへの影響に関する一般的な説明は、プラットフォームの目的とユーザ福祉の相違である。
本研究は,ユーザに対する意図しない影響の潜在的な原因は,プラットフォーム目標の不一致だけではないことを示す。
これらのユーザーへの影響の源泉は、異なるコンテンツが観測可能なユーザー反応(フィードバック情報)を異なるレートで生成する可能性があることである。
論文 参考訳（メタデータ） (2024-01-10T18:12:31Z) - User Strategization and Trustworthy Algorithms [81.82279667028423]
ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。
そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
論文 参考訳（メタデータ） (2023-12-29T16:09:42Z) - Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。
本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
論文 参考訳（メタデータ） (2022-06-27T08:16:59Z) - Fine-Grained Visual Entailment [51.66881737644983]
そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。
従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。
本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
論文 参考訳（メタデータ） (2022-03-29T16:09:38Z) - Slapping Cats, Bopping Heads, and Oreo Shakes: Understanding Indicators
of Virality in TikTok Short Videos [11.089339341624996]
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。
論文 参考訳（メタデータ） (2021-11-03T18:17:16Z) - DFW-PP: Dynamic Feature Weighting based Popularity Prediction for Social
Media Content [4.348651617004765]
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。
論文 参考訳（メタデータ） (2021-10-16T08:40:58Z)
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。