期望成为HIP：面向社交媒体热度的Hawkes强度过程

对在线内容流行度进行建模与预测，是信息分发、广告和消费实践中的一个重要问题。近期分析海量数据集的工作增进了我们对流行度的理解，但一个主要空白仍然存在：精确量化在线条目流行度与其所接收外部推广之间的关系。本工作填补了来自公共社交媒体平台（如 Twitter）的外生输入与内容平台（如 YouTube）内内生响应之间的缺失环节。我们开发了一种新颖的数学模型，即 Hawkes 强度过程（Hawkes intensity process），它可根据每个视频的内容类型、扩散网络以及对推广的敏感度，解释其复杂流行度历史。我们的模型提供了对视频的原型描述，称为内-外映射（endo-exo map）。该映射将流行度解释为外在因素——视频从外部世界接收的推广量，作用于两个内在因素——推广敏感度与固有病毒性——的结果。我们利用该模型在长达5个月、由被推文最多的视频组成的大型反馈数据上，给定推广预测未来流行度，发现其平均误差比基于流行度历史的方法降低了28.6%。最后，我们能识别出有高潜力成为病毒式传播的视频，以及那些推广几乎不会产生任何效果的视频。