在线短视频流行度及其参与用户的分析

来源 :北京邮电大学 | 被引量 : 0次 | 上传用户:qlp9463
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
互联网以及通信技术的快速发展使得社会中信息的传播形式由文本信息传播为主转变为文本、视频多模态传播。短视频作为多模态传播模式的主要形式之一,正逐渐成为人们闲暇时间的主要娱乐方式。同时,视频传播作为研究热点——传播动力学的类别之一,也受到了学者的广泛关注。研究表明,由于平台推荐以及社交网络的弱化,短视频传播与传统视频的传播存在一定的差异性。因此,揭示短视频传播中流行度的演化机制对信息传播的促进和舆情的控制具有十分重要的意义。本文借助“抖音”短视频平台,对其上近1000条短视频的传播过程进行分析,对短视频的流行度及参与用户的行为数据进行一系列的实证分析,探索短视频大规模流行的产生原因。通过分析短视频播放量的时变模式,由统计规律发现短视频的播放量累计曲线存在两种时变模式—单梯度和多梯度传播模式;为进一步探究不同传播模式产生的原因,本文对用户评论情感倾向、点赞量与播放量进行相关性分析。发现播放量与评论情感显著相关,且负向情感评论比例越高的短视频,其播放量也越大;进一步,发现点赞量与播放量呈强正相关,且点赞量对播放量有驱动作用,即用户的点赞行为会带来短视频进一步的传播。本文还构建了一种反映短视频传播特点的传播动力学模型。论文基于平台推荐观看和用户粉丝观看这两个主要传播途径,考虑到点赞量与播放量之间的相关性以及驱动关系,结合点赞促进传播这一特征,构建了在线短视频的点赞-传播动力学模型,模型很好地复现了实际数据的短视频流行模式;进一步,借助模型探索了不同参数对累计播放量演变趋势的影响,发现两种时变模式的产生受短视频的点赞率与流量池阈值的影响,从而揭示了在线短视频的传播机制。为进一步对模型进行研究,本文还探索了点赞率的演化模式以及点赞率与评论情感倾向之间的线性关系。本文的研究结果为短视频传播模式的研究提供了参考,也为制定更有效的策略进行信息的促进或是控制提供了理论支撑。
其他文献
当前时代飞速发展,众多新兴产业应运而生,随着人民物质生活水平日渐提高,人民群众对于精神文明的需求日渐高涨。另一方面,当前社会中生活节奏呈现出极度高速化的特点,各年龄段人群的压力与日俱增,生理心理健康两手抓的呼声日渐激烈。心理健康水平作为确保个人生活品质的重要指标越发被重视,合理评估个人心理健康水平,为有需求者提供互联网时代下的心理咨询服务是符合时代规律的一大需求。智能移动终端目前普及率极高,开发可
随着互联网信息技术的迅猛发展,推荐系统帮助用户快速、精准地寻找所需和所感兴趣的物品(item),逐渐渗透到人们的衣食住行中。推荐系统中的音乐、商品、法规等物品和类目之间常常具有分层结构,物品从属于类目(category),子类目又从属于父类目。为了针对具有这种特征的物品设计和实现推荐系统,本论文在相似推荐和个性化推荐这两个工程中的实际应用场景下,分别挖掘物品的分层结构信息。主要工作内容如下:(1)
随着计算设备的发展,人机交互领域受到广泛关注。三维显示作为一种可以显著提高认知和交互效率的显示方式,是未来显示领域的发展方向。近年来,裸眼三维显示越来越受到人们的关注,它不需要任何助视设备便可以为人类提供自然的三维图像。然而,目前大多数研究都集中在裸眼三维显示器的显示性能提升方面,而缺乏对其认知效能的评估和对其人机交互行为的分析。因此,为提升裸眼三维显示设备的空间场景认知理解效率,设计更加高效的三
随着互联网技术的发展,每天都会产生海量的数据,而人们也从信息匮乏的时代跃迁到信息过载的时代。推荐系统作为用户与数据提供者之间的桥梁,缓解了信息过载的困境。它能够从用户的行为模式以及其他辅助信息中挖掘出用户的兴趣并为用户推荐信息。另外,随着社交媒体的发展,用户通过微博、微信等社交平台产生丰富的交互关系,如关注、转发、信任等,从而使得用户之间构成了一张巨大的社交网络。同时,用户对信息的偏好容易受到其在
超分辨率算法的目标是将低分辨率的图片重建出高分辨率图片。现实生活中的设备在精度上的不足,导致产生的图片往往无法满足人们对分辨率的需求,例如医学成像设备、遥感卫星、监控设备等。为了解决这个问题,一个解决方法是提升设备的精度。然而这种方法不仅成本较高,而且技术工艺复杂,不利于推广使用。因此有必要利用算法生成高分辨率图片。超分辨率算法需要解决以下几个问题。首先是如何解决图片种类繁多、物体尺寸各异的问题;
近年来,云计算凭借其按需使用、按量付费的特点,以及通过虚拟化技术等完成硬件资源和软件资源的融合,形成了资源池并提供统一调度接口为用户服务,极大地降低了成本并提升了易用性。基于超融合架构的云计算采用分布式存储,在一个单元设备内同时具有信息网络、信息存储以及虚拟化等诸多的资源和技术,降低服务器架构管理难度且多单元设备借助网络聚合来实现其自身模块化横向的扩展,已成为云计算架构的主流。然而,非法用户越权获
图像生成是计算机视觉中的研究热点,如何提高生成图像的真实性和多样性,以及如何降低硬件资源使用和模型存储大小使得更加有利于模型落地,是图像生成算法的研究重点和难点。而且,在实际应用中,许多其他任务与图像生成任务紧密相关,利用生成的图像可以降低数据获取成本,生成图像的质量直接影响其他任务的表现。本文的目的就是提高图像生成算法生成图像的真实性和多样性,降低硬件资源使用和模型存储大小、缩短训练和测试时间,
自旋玻璃的正确描述一直是理论物理中的一个难题,被认为与重整化群(RG)流中混沌的出现密切相关。为了实现这种混沌行为,以前的工作提出了具有复杂或非现实交互作用的模型。在本文的研究中,我们发现,只要保持铁磁和反铁磁相互作用之间的竞争,常用的具有长程关联作用的Potts模型可以在大参数范围内很好地完成这项工作。通过在层级晶格中添加反铁磁的长程关联作用这种简单性的操作,可以观察到混沌的出现敏感地依赖于层级
近几年,我国高度重视大数据对于社会经济发展的地位和作用,充足的政策支撑使得大数据技术与应用得到了显著的发展。与此同时,在线票务得益于移动互联网的普及,业务规模稳定增长,对产生的海量数据进行二次开发分析,为决策提供数据支撑,激发商业模式创新,催生新的业务增长点,最终占据更多的市场份额,成为各大互联网公司的重要驱动力。本文以某公司实际项目为背景,设计并实现了基于Hadoop的票务分析系统。该系统为在线
随着互联网生态的快速发展,推荐系统需要进行数据分析的数据量在近年以指数级增加,这对推荐系统的计算能力提出了越来越高的要求。本课题基于多GPU并行化计算技术搭建全新的高性能大数据并行化推荐系统,论文主要完成以下创新性工作:第一,提出了一种基于矩阵分解的GPU并行化推荐算法。该算法使用哈希表以初始化稀疏特征矩阵,规避了传统算法中对高稀疏性数据集中大量空白数据块的处理缺陷,并且通过在CPU内设置等待队列