在线视频网络中注意力流的估计
社会与信息网络
2020-03-23 v3 人机交互
信息检索
摘要
在线视频在互联网流量中呈现巨大增长。大多数视频托管网站实现了推荐系统，将视频连接为有向网络，并在概念上充当用户浏览路径的来源。目前，关于人类注意力如何在此类大规模网络上分配，以及推荐系统的影响，所知甚少。在本文中，我们首先构建 Vevo 网络——一个由推荐链接互联的 60,740 个音乐视频组成的 YouTube 视频网络，并收集其相关的观看动态。这产生了在 9 周时间内每天总计 3.1 亿次观看。接下来，我们给出将推荐网络结构与视频注意力动态相联系的大规模测量。我们使用领结结构刻画 Vevo 网络，发现其核心组件（占视频的 23.1%）占据了大部分注意力（82.6% 的观看量），且由主要在彼此间被推荐的视频构成。这表明视频推荐与注意力分配不平等之间存在关联。最后，我们解决视频推荐网络中注意力流估计的任务。我们提出一个考虑网络效应以预测视频流行度的模型，并表明其一致优于基线。该模型还识别出一组因推荐网络而获得注意力的艺术家。总之，我们的观察和模型提供了一组新工具，以更好地理解推荐系统对集体社会注意力的影响。
引用
@article{arxiv.1908.07123,
title = {Estimating Attention Flow in Online Video Networks},
author = {Siqi Wu and Marian-Andrei Rizoiu and Lexing Xie},
journal= {arXiv preprint arXiv:1908.07123},
year = {2020}
}
备注
CSCW 2019, the code and datasets are publicly available at https://github.com/avalanchesiqi/networked-popularity