基于动态图中局部扩散的社交媒体情绪传染估计
社会与信息网络
2022-07-18 v1 多媒体
摘要
我们提出了一种用于估计社交媒体网络情绪传染的计算方法。基于心理学文献基础，我们的方法根据表达者的内容，估计感知者的情绪状态（积极或消极）开始与表达者相匹配的程度。我们结合深度学习与社会网络分析，将情绪传染建模为动态社会网络图中的扩散过程，并考虑因果性、同质性（homophily）和干扰等关键方面。我们在一个流行的短视频分享社交媒体平台获取的用户行为数据上评估了我们的方法。我们分析了 48 名用户超过 8 周的行为（分析了超过 20 万条视听短视频），并估计了他们在社交媒体上互动用户的传染程度。依据扩散理论，我们考虑用户在此期间观看的视频（流入）以及每日互动：点赞、分享、下载或创建新视频（流出）来估计传染。为验证我们的方法与分析，我们通过收集约 150 名参与者的反馈，以在线研究方式获取了关于这 48 名社交媒体平台用户的人工反馈。我们报告称，与平台上更多创作者互动的用户传染易感性低 12%，而消费更多“负面”情感内容的用户传染易感性高 23%。我们将在论文被接收后公开我们的代码。
引用
@article{arxiv.2207.07165,
title = {Estimating Emotion Contagion on Social Media via Localized Diffusion in Dynamic Graphs},
author = {Trisha Mittal and Puneet Mathur and Rohan Chandra and Apurva Bhatt and Vikram Gupta and Debdoot Mukherjee and Aniket Bera and Dinesh Manocha},
journal= {arXiv preprint arXiv:2207.07165},
year = {2022}
}