論文の概要: The Influence of Text Variation on User Engagement in Cross-Platform Content Sharing

• arxiv url: http://arxiv.org/abs/2505.03769v1
• Date: Sat, 26 Apr 2025 20:38:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-11 11:26:45.203661
• Title: The Influence of Text Variation on User Engagement in Cross-Platform Content Sharing
• Title（参考訳）: テキスト変化がクロスプラットフォームコンテンツ共有におけるユーザエンゲージメントに及ぼす影響
• Authors: Yibo Hu, Yiqiao Jin, Meng Ye, Ajay Divakaran, Srijan Kumar,
• Abstract要約: この研究は、Redditの投稿タイトルをYouTubeビデオタイトルから書き換えることがユーザーのエンゲージメントにどのように影響するかを調査する。 YouTubeビデオを共有するReddit投稿の大規模なデータセットを構築し分析した結果、投稿タイトルの21%が最小限に修正されていることが明らかになった。 包括的な統計テストにより、効果的な肩書きの書き直しは、感情的共鳴、語彙的豊かさ、およびコミュニティ固有の規範に適合する傾向があることが明らかになった。
• 参考スコア（独自算出の注目度）: 24.49226067258647
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In today's cross-platform social media landscape, understanding factors that drive engagement for multimodal content, especially text paired with visuals, remains complex. This study investigates how rewriting Reddit post titles adapted from YouTube video titles affects user engagement. First, we build and analyze a large dataset of Reddit posts sharing YouTube videos, revealing that 21% of post titles are minimally modified. Statistical analysis demonstrates that title rewrites measurably improve engagement. Second, we design a controlled, multi-phase experiment to rigorously isolate the effects of textual variations by neutralizing confounding factors like video popularity, timing, and community norms. Comprehensive statistical tests reveal that effective title rewrites tend to feature emotional resonance, lexical richness, and alignment with community-specific norms. Lastly, pairwise ranking prediction experiments using a fine-tuned BERT classifier achieves 74% accuracy, significantly outperforming near-random baselines, including GPT-4o. These results validate that our controlled dataset effectively minimizes confounding effects, allowing advanced models to both learn and demonstrate the impact of textual features on engagement. By bridging quantitative rigor with qualitative insights, this study uncovers engagement dynamics and offers a robust framework for future cross-platform, multimodal content strategies.
• Abstract（参考訳）: 今日のクロスプラットフォームのソーシャルメディアの世界では、マルチモーダルコンテンツ、特にビジュアルと組み合わせたテキストへのエンゲージメントを促進する要因を理解することは、依然として複雑である。 この研究は、Redditの投稿タイトルをYouTubeビデオタイトルから書き換えることがユーザーのエンゲージメントにどのように影響するかを調査する。 まず、YouTubeビデオを共有しているReddit投稿の大規模なデータセットを構築し分析し、投稿タイトルの21%が最小限に修正されていることを明らかにした。 統計的分析は、タイトルの書き直しがエンゲージメントを著しく改善することを示している。 第2に,ビデオの人気,タイミング,コミュニティ規範といった相反する要因を中和することにより,テキストのバリエーションの影響を厳格に分離する,制御された多段階実験を設計する。 包括的な統計テストにより、効果的な肩書きの書き直しは、感情的共鳴、語彙的豊かさ、およびコミュニティ固有の規範に適合する傾向があることが明らかになった。 最後に、細調整BERT分類器を用いたペアワイズランキング予測実験は、74%の精度を実現し、GPT-4oを含むほぼランダムなベースラインを著しく上回っている。 これらの結果から, 制御されたデータセットは, コンバウンディング効果を効果的に最小化し, 高度なモデルでテキスト特徴がエンゲージメントに与える影響を学習し, 実証することができることがわかった。 質的な洞察で量的厳密さをブリッジすることで、この研究はエンゲージメントのダイナミクスを明らかにし、将来のクロスプラットフォームでマルチモーダルなコンテンツ戦略のための堅牢なフレームワークを提供する。

関連論文リスト

• Beyond Coarse-Grained Matching in Video-Text Retrieval [50.799697216533914]
  きめ細かい評価のための新しいアプローチを導入する。 テストキャプションを自動的に生成することで,既存のデータセットにアプローチを適用することができる。 きめ細かい評価実験は、このアプローチがきめ細かな違いを理解するモデルの能力を高めることを実証している。
  論文  参考訳（メタデータ） (2024-10-16T09:42:29Z)
• Enhancing Social Media Personalization: Dynamic User Profile Embeddings and Multimodal Contextual Analysis Using Transformer Models [0.0]
  本研究では,動的ユーザプロファイルの埋め込みがソーシャルネットワークにおける個人化されたコンテキスト認識体験に与える影響について検討する。 2000万以上のデータポイントのデータセット上で、多言語と英語のトランスフォーマーモデルの比較分析を行った。
  論文  参考訳（メタデータ） (2024-07-09T10:58:46Z)
• Improving Sampling Methods for Fine-tuning SentenceBERT in Text Streams [49.3179290313959]
  本研究では,選択的な微調整言語モデルの設計した7つのテキストサンプリング手法の有効性について検討した。 これらの手法がSBERTモデルの微調整に与える影響を, 4つの異なる損失関数を用いて正確に評価する。 その結果,テキストストリームの分類にはソフトマックスの損失とバッチ・オール・トリプレットの損失が特に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-18T23:41:52Z)
• REDAffectiveLM: Leveraging Affect Enriched Embedding and Transformer-based Neural Language Model for Readers' Emotion Detection [3.6678641723285446]
  本稿では,REDAffectiveLMと呼ばれる深層学習モデルを用いて,短文文書からの読み手感情検出のための新しい手法を提案する。 コンテクストに特化してリッチ表現に影響を与え, リッチBi-LSTM+Attentionに影響を及ぼすタンデムにおいて, トランスフォーマーに基づく事前学習言語モデルを用いることで, リッチ表現に影響を及ぼす。
  論文  参考訳（メタデータ） (2023-01-21T19:28:25Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• An Empirical Investigation of Personalization Factors on TikTok [77.34726150561087]
  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。
  論文  参考訳（メタデータ） (2022-01-28T17:40:00Z)
• Bayesian Topic Regression for Causal Inference [3.9082355007261427]
  観測テキストデータを用いた因果推論は、多くの研究領域で人気が高まっている。 本稿では,テキストと数値情報の両方を用いて結果変数をモデル化するベイズ的トピック回帰モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-11T16:40:43Z)
• T-BERT -- Model for Sentiment Analysis of Micro-blogs Integrating Topic Model and BERT [0.0]
  生のライブデータセットからの感情分類タスクにおけるBERT(Bidirectional Representations from Transformers)の有効性を示す。 T-BERT フレームワークは、潜在トピックとコンテキスト BERT 埋め込みを組み合わせることで得られる性能向上を示す。
  論文  参考訳（メタデータ） (2021-06-02T12:01:47Z)
• Unboxing Engagement in YouTube Influencer Videos: An Attention-Based Approach [0.3686808512438362]
  モデルが捉えた関係に関する洞察を提供する「解釈可能なディープラーニングフレームワーク」を開発します。 印刷広告における視覚的注意に触発された解釈手法は,映像特徴に対するモデル注意の尺度を用いる。 当社のフレームワークをYouTubeインフルエンサービデオに適用し、動画機能を浅いエンゲージメントと深いエンゲージメントの尺度にリンクする。
  論文  参考訳（メタデータ） (2020-12-22T19:32:52Z)

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。