[論文レビュー] Modelling View-count Dynamics in YouTube

Cédric Richier, Eitan Altman+4 more|arXiv (Cornell University)|Apr 9, 2014

Caching and Content Delivery参考文献 18被引用数 12

ひとこと要約

本論文では、800,000本以上の動画を含むデータセットを用いて、YouTube動画の再生回数の変動を分類・予測する生物学的インスピレーションを受けて設計された数学的モデルを提案している。分類精度は90%以上で、平均誤差率は5%未満を達成しており、ウイルス的拡散と非ウイルス的拡散、固定型と増加型のターゲット人口を捉える6つのモデルを同定した。特に、修正Gompertzモデルと修正負の指数関数モデルが全動画の75%以上をカバーしている。

ABSTRACT

The goal of this paper is to study the behaviour of view-count in YouTube. We first propose several bio-inspired models for the evolution of the view-count of YouTube videos. We show, using a large set of empirical data, that the view-count for 90% of videos in YouTube can indeed be associated to at least one of these models, with a Mean Error which does not exceed 5%. We derive automatic ways of classifying the view-count curve into one of these models and of extracting the most suitable parameters of the model. We study empirically the impact of videos' popularity and category on the evolution of its view-count. We finally use the above classification along with the automatic parameters extraction in order to predict the evolution of videos' view-count.

研究の動機と目的

• 生物学的インスピレーションを受けて設計された数学的フレームワークを用いて、YouTube動画の再生回数の時間的変動をモデル化・分類すること。
• 構造的ウイルス性とターゲット人口の行動に基づき、各動画を6つの動的モデルのいずれかに自動分類するシステムを開発すること。
• モデル分類とパラメータ抽出を用いて、将来の再生回数の変動を高い精度で予測すること。
• 特にウイルス的と非ウイルス的コンテンツの区別を考慮して、モデルの頑健性が動画のカテゴリーや人気レベルにわたってどのように保たれるかを評価すること。
• 短い観測期間（7日、15日、30日）でのモデル性能を評価することで、初期段階での人気予測を可能にすること。

提案手法

• 著者らは、疫学的および集団動態のインスピレーションを受けて、修正負の指数関数、Gompertz、シグモイド関数を含む6つの数学的モデルを導出し、再生回数の変動を表現している。
• モデルは2つの基準に基づいて分類される：固定型対増加型のターゲット人口（移住）と、ウイルス的対非ウイルス的伝播（口蹄伝播対放送）。
• モデル選択アルゴリズムは、平均誤差率（MER）を用い、各動画の再生回数曲線を最も適合するモデルにマッチングする。許容可能な適合の閾値は5%である。
• モデルのパラメータは、時間経過に伴う実測再生回数データに対して非線形最小二乗法フィッティングを用いて自動抽出される。
• 予測性能は、ソフトウィンドウとハードウィンドウの指標を用いて評価され、7日、15日、30日という観測ウィンドウ期間における予測誤差を正規化している。
• 本手法は、5～2500日までの期間の800,000本のYouTube動画を含む大規模データセットを用いて検証されており、人気レベルやテーマ別カテゴリにわたり結果が報告されている。

実験結果

リサーチクエスチョン

• RQ1 多様なコンテンツタイプと人気レベルにわたって、YouTube動画の再生回数の時間的変動を最もよく捉える数学的モデルは何か？
• RQ2 移住（増加するターゲット人口）と構造的ウイルス性（口蹄伝播対放送）を組み込むことで、モデルの適合度と分類精度はどの程度向上するか？
• RQ3 教育コンテンツのように口蹄伝播に依存する傾向が強い分野において、提案されたモデルはどの程度の頑健性を示すか？
• RQ4 7日、15日、30日という短い期間のデータしか利用できない状況で、再生回数の変動予測はどの程度の精度で達成できるか？
• RQ5 YouTubeの動画のうち、平均誤差率が5%未満で正確に分類可能な割合はどの程度か？

主な発見

• 89.7%にのぼるYouTube動画（90%以上）が、平均誤差率（MER）が5%未満の6つの提案モデルのいずれかに分類可能である。
• 修正Gompertzモデルと修正負の指数関数モデルが、全データセットの75%以上をカバーしており、前者はウイルス的拡散、後者は非ウイルス的で放送ベースの拡散を捉えている。
• 80%以上の動画で、潜在的な視聴者数（ターゲット人口）が時間経過とともに増加しており、再生回数の動的上限（キャパシティ）が存在することが示唆されている。
• 修正Gompertzモデルは、口蹄伝播によるウイルス的コンテンツを最もよく捉えている一方、修正負の指数関数モデルは、直接的放送による非ウイルス的コンテンツに最も適合している。
• 短い観測ウィンドウでも予測精度は高く維持される：30日シナリオにおいて、平均予測ウィンドウサイズは観測ウィンドウサイズの0.61～0.68倍であり、ソフトウィンドウ性能はハードウィンドウを上回っている。
• 教育カテゴリは特徴的な動的挙動を示しており、口蹄伝播の役割が顕著である。また、他のカテゴリとは著しく異なるモデル分布を示している。