Jan, 2015

社交新闻聚合器中的人气与质量：对 Reddit 和 Hacker News 的研究

PDF
TL;DR本文旨在探究文章在线受欢迎程度与其内在质量的关系，提出了一种基于泊松回归模型的质量估计方法，并通过 Reddit 和 Hacker News 平台的数据验证了该方法的有效性。结果表明，这种方法能够有效消除社交媒体的偏见，从而发现文章的受欢迎程度更加反应其真正的内在质量。
发现论文，激发创造
  • 识别驱动在线讨论的社会信号：Reddit 社区案例研究

    该研究聚焦于 Reddit 上的在线讨论，通过对不同社区的评论进行大量情感、相关性和内容分析，揭示了不同社区内高得分帖子的特征，进而探究社区话题的特异性、受众与管理水平对社区讨论的影响。

    May, 2017

  • 社交数字空间中的随机投票效应：以 Reddit 帖子提交为例的案例研究

    通过社交媒体上的大规模实验，研究设定好坏评分对信息流和行为影响的结果，发现社交媒体的个人和编辑们的活动至关重要，小幅度的随机技术可以在信息的下行评级上产生显著的结果，进而影响最终的评分和结果。

    Jun, 2015

  • 算法流行度偏见如何促进或阻碍质量

    研究表明，在文化市场中，以大众化推荐作为代表的算法偏见有可能促进一定阈值范围内的高品质内容排序，而在其它情形下却更容易妨碍优秀内容的排名。

    Jul, 2017

  • 利用社会动态模型预测新闻的受欢迎程度

    预测社交媒体中受欢迎的内容具有挑战性，但是我们利用用户早期反应构建的随机模型可以预测受欢迎的程度，并结合网站设计方面的因素，提高了预测的准确性。

    Apr, 2010

  • 社交媒体中的新闻脉搏：流行度预测

    本文旨在通过建立多维特征空间来分析新闻文章的性质，采用回归和分类算法预测其在线受欢迎程度，发现可在 Twitter 上以 84% 的准确率范围内预测其受欢迎度，并突显传统来源与社交网络受欢迎性的差异。

    Feb, 2012

  • Digg 的社交动态

    本文研究了在线社交媒体上的用户行为和内容推荐，以新闻聚合平台 Digg 为例，提出了一种随机模型用于区分内容的可见性和有趣性对用户的影响，并预测了用户对内容的兴趣，为网站内容设计提供了参考。

    Jan, 2012

  • 从社交媒体预测短篇叙述的质量

    本研究提出了使用社交媒体点赞数作为故事质量评估的一种方法，并利用神经网络来预测没有社交网络特征的点赞数，为未来的研究提供了强有力的基准。这也是关于叙述质量自动评估的首个大规模研究。

    Jul, 2017

  • 预测在线内容的受欢迎程度

    通过对 Youtube 和 Digg 传播的内容进行考虑，本研究提出了一种从初步用户访问数据中准确预测在线内容长期受欢迎程度的方法。

    Nov, 2008

  • Digg 社交投票模式分析

    本研究探讨了社交网络在 Digg 上推广内容方面的作用，并发现了在 Digg 上的新闻散布方式会影响新闻的流行程度。

    Jun, 2008

  • 利用今日 Twitter 的讨论预测明日的头条新闻

    通过考虑 Twitter 上的用户参与和反应，使用社交媒体数据为基础，提出一种新的模型来预测新闻文章的流行度，在选取的 300 篇政治新闻文章中，该方法优于其他基线模型。

    Jan, 2019