Em Direção ao Aprendizado Interdomínio para Predição de Popularidade de Vídeos Sociais

Pesquisas anteriores sobre a predição da popularidade de mídias online concluíram que o aumento da popularidade de vídeos online mantém uma distribuição logarítmica convencional. No entanto, estudos recentes mostraram que uma parte significativa dos vídeos online apresenta um aumento repentino/súbito na popularidade, que não pode ser explicado apenas pelas características do domínio dos vídeos. Neste artigo, propomos uma nova estrutura de aprendizado de transferência que utiliza conhecimento de fluxos sociais (por exemplo, Twitter) para entender os picos de popularidade súbita em conteúdo online. Desenvolvemos um algoritmo de aprendizado de transferência que pode aprender tópicos a partir de fluxos sociais, permitindo-nos modelar a proeminência social do conteúdo de vídeo e melhorar as previsões de popularidade no domínio dos vídeos. Nossa estrutura de aprendizado de transferência tem a capacidade de escalar com o fluxo de tweets que chega, aproveitando informações de eventos do mundo físico em tempo real. Usando dados que compreendem 10,2 milhões de tweets e 3,5 milhões de vídeos do YouTube, mostramos que a proeminência social do tópico do vídeo (contexto) é responsável pelo aumento repentino em sua popularidade, onde as tendências sociais têm um efeito dominó à medida que se espalham do domínio do Twitter para o domínio dos vídeos. Nós imaginamos que nosso modelo de predição de popularidade interdomínio será substancialmente útil para diversas aplicações de mídia que não puderam ser resolvidas anteriormente apenas por técnicas tradicionais de multimídia.