論文の概要: Buzz to Broadcast: Predicting Sports Viewership Using Social Media Engagement

• arxiv url: http://arxiv.org/abs/2412.10298v1
• Date: Fri, 13 Dec 2024 17:34:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-16 15:02:08.447295
• Title: Buzz to Broadcast: Predicting Sports Viewership Using Social Media Engagement
• Title（参考訳）: Buzz to Broadcast:ソーシャルメディアのエンゲージメントを利用してスポーツ観戦を予測する
• Authors: Anakin Trotter,
• Abstract要約: 本稿では,投稿数,コメント,スコア,およびTextBlobおよびVADERからの感情分析を含むソーシャルメディアの指標を用いて,スポーツ観戦の回帰に基づく予測手法を提案する。 このモデルは、$R2$ 0.99、Mean Absolute Error (MAE)は1.27万、Root Mean Squared Error (RMSE)は2.33万である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurately predicting sports viewership is crucial for optimizing ad sales and revenue forecasting. Social media platforms, such as Reddit, provide a wealth of user-generated content that reflects audience engagement and interest. In this study, we propose a regression-based approach to predict sports viewership using social media metrics, including post counts, comments, scores, and sentiment analysis from TextBlob and VADER. Through iterative improvements, such as focusing on major sports subreddits, incorporating categorical features, and handling outliers by sport, the model achieved an $R^2$ of 0.99, a Mean Absolute Error (MAE) of 1.27 million viewers, and a Root Mean Squared Error (RMSE) of 2.33 million viewers on the full dataset. These results demonstrate the model's ability to accurately capture patterns in audience behavior, offering significant potential for pre-event revenue forecasting and targeted advertising strategies.
• Abstract（参考訳）: スポーツ視聴者の正確な予測は、広告販売と収益予測の最適化に不可欠である。 Redditのようなソーシャルメディアプラットフォームは、視聴者のエンゲージメントと関心を反映した豊富なユーザー生成コンテンツを提供する。 本研究では,ポストカウント,コメント,スコア,およびTextBlobとVADERからの感情分析を含むソーシャルメディアの指標を用いて,スポーツ観戦の回帰に基づく予測手法を提案する。 主要なスポーツのサブレディットに焦点を合わせ、カテゴリー的な特徴を取り入れ、アウトリーチをスポーツで扱うといった反復的な改良により、このモデルはR^2$の0.99、平均絶対誤差(MAE)は1.27万ビューアー、ルート平均正方形誤差(RMSE)は2.33万ビューアーを達成した。 これらの結果は、モデルがオーディエンス行動のパターンを正確に把握する能力を示し、事前収益予測とターゲット広告戦略に有意義な可能性を示唆している。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Who You Play Affects How You Play: Predicting Sports Performance Using Graph Attention Networks With Temporal Convolution [29.478765505215538]
  本研究では,スポーツにおける選手のパフォーマンスを予測するための新しい深層学習手法であるGATv2-GCNを提案する。 グラフアテンションネットワークを使用して、各プレイヤーが互いに支払うアテンションをキャプチャし、より正確なモデリングを可能にします。 実世界スポーツデータを用いたモデルの性能評価を行い,選手のパフォーマンス予測の有効性を実証した。
  論文  参考訳（メタデータ） (2023-03-29T14:48:51Z)
• Persuasion Strategies in Advertisements [68.70313043201882]
  我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。 次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。 我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
  論文  参考訳（メタデータ） (2022-08-20T07:33:13Z)
• Graph Neural Networks to Predict Sports Outcomes [0.0]
  スポーツに依存しないグラフによるゲーム状態の表現を導入する。 次に、提案したグラフ表現をグラフニューラルネットワークの入力として使用し、スポーツ結果を予測する。
  論文  参考訳（メタデータ） (2022-07-28T14:45:02Z)
• 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)
• Scaling New Peaks: A Viewership-centric Approach to Automated Content Curation [4.38301148531795]
  本稿では,様々なセグメント識別目標に対応するビューアシップ駆動自動手法を提案する。 衛星テレビ視聴データを用いて、視聴者関心の「シード」セグメントを特定するために、視聴者関心の源泉として、視聴者関心の時系列に統計的異常検出を適用した。 我々は、2019年12月19日にアメリカ合衆国民主党大統領討論会と、2019年ウィンブルドン女子最終討論会で2つのケーススタディを提示した。
  論文  参考訳（メタデータ） (2021-08-09T17:17:29Z)
• CAMTA: Causal Attention Model for Multi-touch Attribution [25.258282793367453]
  本研究では,ユーザ個人化MTAのカジュアルアトリビューション機構である,新しいディープリカレントニューラルネットワークアーキテクチャCAMTAを提案する。 複数のベースラインと比較し,予測精度に関してcamtaの優れた性能を示す。
  論文  参考訳（メタデータ） (2020-12-21T15:05:00Z)
• 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)
• Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
  本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。 実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
  論文  参考訳（メタデータ） (2020-08-14T12:00:58Z)

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。