論文の概要: Effects of Algorithmic Trend Promotion: Evidence from Coordinated
Campaigns in Twitter's Trending Topics
- arxiv url: http://arxiv.org/abs/2304.05382v1
- Date: Sat, 8 Apr 2023 15:22:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-12 13:48:07.180917
- Title: Effects of Algorithmic Trend Promotion: Evidence from Coordinated
Campaigns in Twitter's Trending Topics
- Title（参考訳）: アルゴリズム的トレンド推進の効果:Twitterのトレンドトピックにおける協調キャンペーンからの証拠
- Authors: Joseph Schlessinger, Kiran Garimella, Maurice Jakesch, Dean Eckles
- Abstract要約: トレンドトピックページに現れるハッシュタグが、そのハッシュタグで生成されたツイート数に与える影響について検討する。
統計学的に有意だが控えめなところは、トレンドトピックに特徴付けられるハッシュタグに戻ることにある。
- 参考スコア（独自算出の注目度）: 5.524750830120598
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In addition to more personalized content feeds, some leading social media
platforms give a prominent role to content that is more widely popular. On
Twitter, "trending topics" identify popular topics of conversation on the
platform, thereby promoting popular content which users might not have
otherwise seen through their network. Hence, "trending topics" potentially play
important roles in influencing the topics users engage with on a particular
day. Using two carefully constructed data sets from India and Turkey, we study
the effects of a hashtag appearing on the trending topics page on the number of
tweets produced with that hashtag. We specifically aim to answer the question:
How many new tweeting using that hashtag appear because a hashtag is labeled as
trending? We distinguish the effects of the trending topics page from network
exposure and find there is a statistically significant, but modest, return to a
hashtag being featured on trending topics. Analysis of the types of users
impacted by trending topics shows that the feature helps less popular and new
users to discover and spread content outside their network, which they
otherwise might not have been able to do.
- Abstract（参考訳）: パーソナライズされたコンテンツフィードに加えて、主要なソーシャルメディアプラットフォームは、より広く普及しているコンテンツに顕著な役割を果たす。
twitterでは、"trending topics"がプラットフォーム上での会話の人気トピックを特定し、ユーザーがネットワークで見なかったような人気コンテンツを促進する。
したがって、特定の日にユーザーが関与するトピックに影響を及ぼす上で、"トレージングトピック"は重要な役割を果たす可能性がある。
インドとトルコの2つの慎重に構築されたデータセットを用いて、トレンドトピックページに現れるハッシュタグが、そのハッシュタグで生成されたツイート数に与える影響を調べる。
ハッシュタグがトレンドとしてラベル付けされているため、そのハッシュタグを使った新しいツイートがいくつ表示されますか?
トレンドトピックのページの効果をネットワークの露出と区別し,トレンドトピックに特徴付けられるハッシュタグに統計学的に有意だが控えめな回帰があることを見出した。
トレンドトピックによって影響を受けるユーザーの種類を分析すると、この機能は人気が減り、新しいユーザーがネットワーク外でコンテンツを発見して広めるのに役立つことが分かる。
関連論文リスト
- Social Convos: Capturing Agendas and Emotions on Social Media [1.6385815610837167]
本稿では,特定のトピックを議論するユーザのグループ間を循環するメッセージから,影響指標を抽出する手法を提案する。
我々は、アジェンダ(制御)と感情言語の使用の2つの影響指標に焦点を当てる。
論文 参考訳（メタデータ） (2024-02-23T19:14:09Z) - Temporal Analysis of Drifting Hashtags in Textual Data Streams: A Graph-Based Application [2.94944680995069]
グラフ解析とテキストデータストリームの概念を用いてハッシュタグのドリフトを時間とともに分析する。
我々のアプローチは、ソーシャルメディア上のエンティティに関する意見や感情パターンの変化を、時間とともに監視するのに有用である。
2021年は、コミュニティが発見し、それぞれのサイズから、#mybodymychoiceがワクチン接種やコビッド19関連のトピックにかなりの流れがあったことが示唆された。
論文 参考訳（メタデータ） (2024-02-08T21:58:53Z) - RIGHT: Retrieval-augmented Generation for Mainstream Hashtag
Recommendation [76.24205422163169]
我々はRIGHT(RetrIeval-augmented Generative Mainstream HashTag Recommender)を提案する。
RIGHTは3つのコンポーネントから構成される: 1) 検索者は、ツイートハッシュタグセット全体から関連するハッシュタグを検索する; 2) セレクタは、グローバル信号を導入して、メインストリームの識別を強化する; 3) ジェネレータは入力されたつぶやきと選択されたハッシュタグを組み込んで、目的のハッシュタグを直接生成する。
さらに,RIGHTを大規模言語モデルに統合することで,ChatGPTの性能を10%以上向上させることができる。
論文 参考訳（メタデータ） (2023-12-16T14:47:03Z) - How to Generate Popular Post Headlines on Social Media? [3.7674099636709424]
本稿では、トレンドや個人のスタイルを捉え、ソーシャルメディア上で人気のある見出しを生成するMEBARTについて紹介する。
われわれは中国で有名なソーシャルメディアプラットフォームXiaohongshuの公開データから、4047人の有名人の100万件以上の投稿を集めている。
論文 参考訳（メタデータ） (2023-09-18T17:12:58Z) - 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) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Towards A Sentiment Analyzer for Low-Resource Languages [0.0]
本研究は,当時盛んに議論されてきた特定のトレンドトピックに対して,ユーザの感情を分析することを目的としている。
2019年のインドネシア大統領選挙で話題になったハッシュタグのtextit#kpujangancurangを使っています。
本研究は,ラピッドマイニングツールを用いて,Twitterデータを生成し,Nieve Bayes,K-Nearest Neighbor,Decision Tree,Multi-Layer Perceptronの分類手法を比較し,Twitterデータの感情を分類する。
論文 参考訳（メタデータ） (2020-11-12T13:50:00Z) - 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) - Echo Chambers on Social Media: A comparative analysis [64.2256216637683]
本研究では,4つのソーシャルメディアプラットフォーム上で100万ユーザが生成した100万個のコンテンツに対して,エコーチャンバーの操作的定義を導入し,大規模な比較分析を行う。
議論の的になっているトピックについてユーザの傾きを推測し、異なる特徴を分析してインタラクションネットワークを再構築する。
我々は、Facebookのようなニュースフィードアルゴリズムを実装するプラットフォームが、エコーチャンバの出現を招きかねないという仮説を支持する。
論文 参考訳（メタデータ） (2020-04-20T20:00:27Z) - Behavior variations and their implications for popularity promotions:
From elites to mass in Weibo [11.827654711875256]
本研究は,コンテンツ人気決定におけるオンラインユーザの影響について考察する。
7つのコンテンツドメインの新たなビューから、中国で最も人気のあるTwitterライクなサービスであるWeiboでは、5つのユーザーグループの振る舞いの詳細な図が描かれています。
最も驚くべき発見は、コンテンツの多様性が必ずしもより多くのリツイートをもたらすわけではないことだ。
論文 参考訳（メタデータ） (2020-04-12T11:49:03Z) - #MeToo on Campus: Studying College Sexual Assault at Scale Using Data
Reported on Social Media [71.74529365205053]
我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。
その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。
この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
論文 参考訳（メタデータ） (2020-01-16T18:05:46Z)
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。