WeSeer:面向微信文章信息级联预测的视觉分析
人机交互
2018-08-29 v1
摘要
社交媒体(如 Facebook 和微信)使数百万用户以前所未有的规模创建、消费和传播在线信息。由于注意力的零和特性,社交媒体上丰富的信息加剧了微信公众号文章(即推文)在获取用户注意力方面的竞争。因此,仅有小部分信息趋于极度流行,而其余信息则无人问津或迅速消失。这种典型的“长尾”现象在社交媒体中十分常见。因此,近年来预测社交媒体推文流行度未来趋势并理解影响其流行度因素的兴趣日益增长。然而,现有预测模型要么依赖繁琐的特征工程,要么依赖复杂的参数调优,难以理解且改进。本文中,我们研究并增强了一个基于点过程的模型,通过引入视觉推理来支持用户与预测模型之间的沟通,从而获得更好的预测结果。所提出的系统支持用户揭示模型背后的工作机制,并基于所获洞察相应提升预测精度。我们使用真实的微信文章来展示系统的有效性,并在大规模微信文章上验证了改进模型。我们还获取并总结了微信领域专家的反馈。
引用
@article{arxiv.1808.09068,
title = {WeSeer: Visual Analysis for Better Information Cascade Prediction of WeChat Articles},
author = {Quan Li and Ziming Wu and Lingling Yi and Kristanto Sean N and Huamin Qu and Xiaojuan Ma},
journal= {arXiv preprint arXiv:1808.09068},
year = {2018}
}
备注
IEEE Transactions on Visualization and Computer Graphics (TVCG), 2019 (To appear)