猫与标题对比创作者与时间：比较多模态内容与上下文在预测相对流行度中的作用

当今社交媒体的内容日益丰富，越来越多地混合了文本、图像、视频和音频。对这些不同模态在吸引用户注意力和参与度方面的相互作用进行建模，是一个引人入胜的研究问题。但为了开展这种多模态内容的研究，我们还必须考虑上下文因素：时间效应、社区偏好以及社会因素（例如，哪些作者已经受欢迎）也会影响社交媒体帖子获得的反馈和反应量。在这项工作中，我们以几种方式分离出这些非内容因素的影响。首先，我们专注于对短时间内（例如 30 秒内）接连发布到同一社区的提交对进行排序，这种设定促使模型关注与时间无关且特定于社区的内容特征。在此设定下，我们确定了作者特征与内容特征的相对表现。我们发现，胜利通常属于“猫与标题”，因为视觉和文本特征一起往往优于基于身份的特征。此外，我们的实验表明，当单独考虑时，简单的 unigram 文本特征和深度神经网络视觉特征各自能产生最高的准确率，而两种模态的组合通常能带来整体最佳准确率。