短视频传播影响力评估：一个新真实数据集与一个新大型图模型
计算机视觉与模式识别
2025-09-05 v2 计算与语言
机器学习
多媒体
社会与信息网络
摘要
短视频平台已获得数以百万计，甚至数十亿全球用户的广泛热情。近期研究者注意到，分析短视频传播的重要性，通常涉及发现商业价值、公共舆论、用户行为等。本文提出了新的短视频传播影响力评估（SPIR）任务，旨在从数据集和方法两个角度推动SPIR研究。首先，我们提出了新的跨平台短视频（XS-Video）数据集，旨在为各种平台上规模大且真实的短视频传播网络提供数据，促进短视频传播研究。我们的XS-Video数据集包含117,720个视频、381,926个样本和535个主题，涵盖中国最大的5个平台，标注了传播影响力等级0至9。迄今为止，已知是包含跨平台数据的大规模短视频数据集，或提供视频的所有观看次数、点赞、分享、收藏、粉丝、评论及评论内容。其次，我们提出了基于新颖三阶段训练机制的大型图模型（LGM），名为NetGPT，借助大型语言模型（LLM）的强大推理能力与知识，桥接异构图结构数据。我们的NetGPT能够理解和分析短视频传播图，从而预测短视频的长期传播影响力。在我们的XS-Video数据集上，通过分类和回归指标进行的全面实验结果表明，我们的方法在SPIR任务中具有优越性。
引用
@article{arxiv.2503.23746,
title = {Short-video Propagation Influence Rating: A New Real-world Dataset and A New Large Graph Model},
author = {Dizhan Xue and Shengsheng Qian and Chuanrui Hu and Changsheng Xu},
journal= {arXiv preprint arXiv:2503.23746},
year = {2025}
}