Tube2Vec：YouTube 频道的社会与语义嵌入
计算机与社会
2023-07-03 v1
摘要
使用 YouTube 数据的研究通常探讨频道与视频的社会和语义维度。典型地，分析依赖于对内容和内容创作者的费力人工标注，而这些通常经由关键词搜索等低召回率方法获得。在此，我们探索一种替代方法，利用通过机器学习获得的潜在表示（嵌入）。使用在 Reddit 上分享的 YouTube 链接大型数据集，我们创建了捕捉社会分享行为、视频元数据（标题、描述等）以及 YouTube 视频推荐的嵌入。我们通过众包和现有数据集评估这些嵌入，发现推荐嵌入在捕捉社会与语义维度方面表现优异，尽管社会分享嵌入与现有党派评分的相关性更好。我们分享了捕捉 44,000 个 YouTube 频道社会与语义维度的嵌入，以惠及未来关于 YouTube 的研究：https://github.com/epfl-dlab/youtube-embeddings。
引用
@article{arxiv.2306.17298,
title = {Tube2Vec: Social and Semantic Embeddings of YouTube Channels},
author = {Léopaul Boesinger and Manoel Horta Ribeiro and Veniamin Veselovsky and Robert West},
journal= {arXiv preprint arXiv:2306.17298},
year = {2023}
}