基于订阅的频道嵌入理解 YouTube 社区
机器学习
2020-10-21 v1 信息检索
社会与信息网络
摘要
YouTube 是全球重要的新闻和娱乐来源，但其规模使得研究该平台上讨论的观点和话题具有挑战性。本文提出新方法以发现和分类 YouTube 频道，从而能够使用比以往研究多几个数量级的频道来分析平台上的社区和类别。与其他研究者将频道和视频数据用作分类特征不同，这些方法采用一种自监督学习方法，利用评论者的公开订阅页面。我们在预测 YouTube 新闻频道政治倾向的任务上测试了该分类方法，发现其优于该任务上先前的最佳模型。进一步的实验还表明，使用评论者订阅来发现频道具有重要优势。该订阅数据结合迭代方法，被应用于发现（据我们目前所知）迄今已分析过的最全面的英语社会政治 YouTube 频道集合。我们使用先前标注的数据集实验预测频道更细粒度的政治标签，发现我们的模型对大多数顶级标签的表现优于平均人类评审员。该细粒度政治标签模型随后被应用于新发现的英语社会政治频道，以创建一个新数据集来分析流向不同政治内容的流量。数据显示，当仅关注最受欢迎的社会政治频道时，某些标签（如“党派右翼”和“阴谋论”）被显著低估。通过使用我们的方法，我们能够更准确地描绘 YouTube 上这些社区的规模。
引用
@article{arxiv.2010.09892,
title = {Understanding YouTube Communities via Subscription-based Channel Embeddings},
author = {Sam Clark and Anna Zaitsev},
journal= {arXiv preprint arXiv:2010.09892},
year = {2020}
}