YouTube 新闻视频的半衰期：扩散动力学与预测因素
计算与语言
2025-07-30 v1 人工智能
机器学习
摘要
YouTube 新闻视频的消费水平显著塑造了公众舆论和政治叙事。虽然已有研究探讨了 YouTube 新闻视频在扩展时间段内的纵向传播动力学，但对短期趋势的关注有限。本文聚焦于 YouTube 新闻视频的早期扩散模式和离散率，特别关注前 24 小时。为此，我们引入并分析了一个涵盖 75 个国家、六大洲超过 5 万个视频的丰富数据集。我们提供了对 YouTube 新闻视频 24 小时半衰期的首次量化评估，并识别了其独特的扩散模式。根据研究结果，平均 24 小时半衰期约为 7 小时，虽在不同国家之间存在显著差异，范围从最短的 2 小时到最长的 15 小时。此外，我们探讨了预测新闻视频 24 小时半衰期延迟的问题。依托所呈现的数据集，我们对比评估了基于统计方法和深度学习技术的 6 种不同模型的性能。对预测结果差异的分析表明，模型间存在显著差异。最后，我们通过解释性 AI（XAI）技术探讨了视频和频道相关预测因素的重要性。该数据集、分析代码以及训练好的模型已发布于 http://bit.ly/3ILvTLU，以促进该领域的进一步研究。
关键词
引用
@article{arxiv.2507.21186,
title = {Contrast-CAT: Contrasting Activations for Enhanced Interpretability in Transformer-based Text Classifiers},
author = {Sungmin Han and Jeonghyun Lee and Sangkyun Lee},
journal= {arXiv preprint arXiv:2507.21186},
year = {2025}
}