基于连续情绪特征对在线视频用户参与度的估计
多媒体
2021-05-05 v1 计算与语言
摘要
众所周知，刻画情绪与可信度能够提升视频内容的吸引力。然而，这些信号与在线用户参与度之间的因果关系尚不清晰。这种有限的理解部分源于情感标注数据的匮乏，以及表达在线用户参与度的多种模态差异。在本文中，我们利用一个大型 YouTube 评论视频数据集，其包含约 600 小时的量级唤醒度、效价与可信度标注。我们针对多种用户参与度指标（包括观看量、点赞/点踩比以及评论情感）研究从这些信号中提取的特征。在此过程中，我们识别出单个特征的正向与负向影响，以及各维度中与用户参与度相关的可解释模式。我们的结果表明，较小的唤醒度边界范围与波动会导致用户参与度的提升。此外，提取的时间序列特征揭示出各维度的显著（p<0.05）相关性，例如低于信号均值计数（唤醒度）、峰值数量（效价）与绝对能量（可信度）。由此，我们为旨在自动预测若干用户参与度指标的方法勾勒出一组有效的特征组合。在用户参与度预测范式下，我们将所有特征与半自动（跨任务）及自动（任务特定）特征选择方法进行比较。这些被选中的特征集似乎优于使用所有特征，例如，使用所有特征从效价得到 1.55 每日点赞数（Lp/d）的平均绝对误差；通过半自动与自动选择分别改善至 1.33 与 1.23 Lp/d（数据均值 9.72 Lp/d，标准差 28.75 Lp/d）。
引用
@article{arxiv.2105.01633,
title = {An Estimation of Online Video User Engagement from Features of Continuous Emotions},
author = {Lukas Stappen and Alice Baird and Michelle Lienhart and Annalena Bätz and Björn Schuller},
journal= {arXiv preprint arXiv:2105.01633},
year = {2021}
}