【CCM-计传阅读树04】论文《UGC内容的流行度趋势和峰值的预测研究》

Figueiredo F . On the prediction of popularity of trends and hits for user generated videos 

 

会议论文：Proceedings of the sixth ACM international conference on Web search and data mining. ACM, 2013.

关键字: popularity; user-gernerated; video; trends

 

摘要：

UGC的出现作为Web 2.0时代主流的媒体形式，我们的研究目的是理解并预测流行趋势（例如，是否一个视频会是病毒式传播的？）并且它的热度（可达到的最大传播峰值）。这些只是对于各式各样的服务，包括内容分发和广告投放都至关重要。因此，我们在论文中形式化了预测UGC流行度的模型。此外，我们描述了针对这一问题的解决方法。我们工作的新颖之处在于同时预测了流行趋势和流行峰值。更进一步，我们希望不仅是通过寻常的误判率，同时通过我们预测可能产生的在线广告收益对结果评估。在描述了我们的研究目的后，研究发现可以总结为：（1）揭示了通常情况下的流行度趋势；（2）衡量了UGC特征和流行度趋势之间的关系；（3）评估了模型对预测流行度趋势的效率。

 

方法：

第一步，数据获取。

为例理解视频流行度的增长态势，我们可以从 YouTube 或者 Vimeo中收集数据。同时提供不同视频在网站上流行度的时间序列数据。视频平台也提供了关于前十位引流用户的导流者。此外，一些流行度的迹象可以从用户评论的时间戳中推知。一些即时信息在许多web2.0网站中可得，虽然每个视频只呈现了前十位的导流者，我们指出，这些导流账户对观看量的影响不可忽略，即使是在成百万的观看者中也是如此，这对我们构建时间序列的预测模型很有帮助。我们的数据是基于已有的数据研究的，未来有机会，我们也考虑使用仿真数据或者大型本地网络数据。

第二步，特征选取。

着重考虑了导流者特征(link)。

发现：

使用KSC算法（ K-Spectral clustering)，发现了四类视频流行形态：