論文の概要: How to Generate Popular Post Headlines on Social Media?

• arxiv url: http://arxiv.org/abs/2309.09949v1
• Date: Mon, 18 Sep 2023 17:12:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 12:09:43.950676
• Title: How to Generate Popular Post Headlines on Social Media?
• Title（参考訳）: ソーシャルメディアで人気記事の見出しを作るには?
• Authors: Zhouxiang Fang, Min Yu, Zhendong Fu, Boning Zhang, Xuanwen Huang, Xiaoqi Tang, Yang Yang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.7674099636709424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Posts, as important containers of user-generated-content pieces on social media, are of tremendous social influence and commercial value. As an integral components of a post, the headline has a decisive contribution to the post's popularity. However, current mainstream method for headline generation is still manually writing, which is unstable and requires extensive human effort. This drives us to explore a novel research question: Can we automate the generation of popular headlines on social media? We collect more than 1 million posts of 42,447 celebrities from public data of Xiaohongshu, which is a well-known social media platform in China. We then conduct careful observations on the headlines of these posts. Observation results demonstrate that trends and personal styles are widespread in headlines on social medias and have significant contribution to posts's popularity. Motivated by these insights, we present MEBART, which combines Multiple preference-Extractors with Bidirectional and Auto-Regressive Transformers (BART), capturing trends and personal styles to generate popular headlines on social medias. We perform extensive experiments on real-world datasets and achieve state-of-the-art performance compared with several advanced baselines. In addition, ablation and case studies demonstrate that MEBART advances in capturing trends and personal styles.
• Abstract（参考訳）: ソーシャルメディア上のユーザー生成コンテンツの重要なコンテナであるポストは、膨大な社会的影響と商業的価値を持っている。 記事の不可欠な要素として、見出しは記事の人気に決定的な貢献をしている。 しかし、現在のヘッドライン生成法はまだ手書きであり、不安定であり、広範囲の人的努力を必要とする。 ソーシャルメディア上で人気のある見出しを自動生成できるのだろうか? 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であるXiaohongshuの公開データから、4047人の有名人の100万以上の投稿を集めている。 次に、これらの投稿の見出しについて注意深く観察する。 その結果、トレンドや個人のスタイルはソーシャルメディアの見出しに広まり、ポストの人気に大きく貢献していることがわかった。 これらの知見に触発され,複数の選好抽出器と双方向・自動回帰変換器(BART)を組み合わせたMEBARTが,ソーシャルメディア上で人気の見出しを生成する傾向と個人的スタイルを捉えた。 実世界のデータセットに関する広範な実験を行い、先進的なベースラインと比較して最先端のパフォーマンスを達成する。 加えて、アブレーションとケーススタディは、MEBARTがトレンドや個人のスタイルを捉えていることを示している。

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)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Effects of Algorithmic Trend Promotion: Evidence from Coordinated Campaigns in Twitter's Trending Topics [5.524750830120598]
  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。
  論文  参考訳（メタデータ） (2023-04-08T15:22:36Z)
• Contextualizing Emerging Trends in Financial News Articles [2.9483477138814287]
  新型コロナウイルス(COVID-19)パンデミックの開始前後に収集された、Microsoftに関する金融ニュース記事の新興トレンド検出に焦点を当てる。 データセットをアクセス可能にし、キーワードのペア間の類似性のダイナミクスを探索するための強力なベースラインを提案する。 我々は、このパンデミックがMicrosoftに与える影響について、金の標準(Google Trends)と、注目すべき実世界のシナリオについて評価する。
  論文  参考訳（メタデータ） (2023-01-20T12:56:52Z)
• Personality-Driven Social Multimedia Content Recommendation [68.46899477180837]
  人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。 実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
  論文  参考訳（メタデータ） (2022-07-25T14:37:18Z)
• 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)
• On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline [5.859055059050023]
  人口ベースの人気予測のための,頑健で効率的で説明可能なベースラインを提示する。 我々は,コンピュータビジョンにおける最新の手法を用いて,視覚的モダリティから抽出した情報を最大化する。 われわれの最強のモデルは、Instagramの人口ベースの人気予測可能性に限界があることを示唆している。
  論文  参考訳（メタデータ） (2020-04-26T21:21:50Z)
• 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。