Micro dit Macro

Les micro-vidéos, une nouvelle forme de contenus générés par les utilisateurs (CGUs), suscitent un enthousiasme croissant. Les micro-vidéos populaires ont un énorme potentiel commercial de plusieurs manières, comme le marketing en ligne et le suivi de marque. En fait, la prédiction de popularité des CGUs traditionnels, y compris les tweets, les images web et les vidéos longues, a atteint de bonnes bases théoriques et un grand succès pratique. Cependant, peu de recherches ont jusqu'à présent été menées pour prédire la popularité des vidéos de petite taille. Cette tâche n'est pas triviale pour trois raisons : 1) les micro-vidéos sont de courte durée et de faible qualité ; 2) elles peuvent être décrites par de multiples canaux hétérogènes, s'étendant des modalités sociales, visuelles, acoustiques à textuelles ; et 3) il n'existe pas de jeu de données de référence disponible ni de caractéristiques discriminantes adaptées à cette tâche. Dans cette optique, nous présentons un modèle d'apprentissage multi-modal transductif. Le modèle proposé est conçu pour trouver l'espace latent commun optimal, unifiant et préservant les informations provenant de différentes modalités, permettant ainsi de mieux représenter les micro-vidéos. Cet espace latent peut être utilisé pour atténuer le problème d'insuffisance d'informations causé par la nature brève des micro-vidéos. De plus, nous avons construit un jeu de données de référence et extrait un ensemble riche de caractéristiques orientées vers la popularité pour caractériser les micro-vidéos populaires. De nombreuses expériences ont démontré l'efficacité du modèle proposé. En guise de contribution supplémentaire, nous avons publié le jeu de données, les codes et les paramètres pour faciliter d'autres chercheurs.