[論文レビュー] Trending Videos: Measurement and Analysis

Iman Barjasteh, Ying Liu+1 more|arXiv (Cornell University)|Sep 26, 2014

Complex Network Analysis Techniques参考文献 12被引用数 8

ひとこと要約

この論文は、9か月間にわたり収集された8,000本以上の動画から得られた高分解能時系列データを用いて、YouTubeのトレンド動画を測定および分析している。トレンド動画は特徴的な統計的性質と非対称な方向性の関係を示しており、グランジャ因果性分析によって明らかにされた。これは、視聴者数の流れが人気のあるカテゴリに強く集まることを示しており、一部のカテゴリは孤立した状態のままであることを示している。

ABSTRACT

Unlike popular videos, which would have already achieved high viewership numbers by the time they are declared popular, YouTube trending videos represent content that targets viewers attention over a relatively short time, and has the potential of becoming popular. Despite their importance and visibility, YouTube trending videos have not been studied or analyzed thoroughly. In this paper, we present our findings for measuring, analyzing, and comparing key aspects of YouTube trending videos. Our study is based on collecting and monitoring high-resolution time-series of the viewership and related statistics of more than 8,000 YouTube videos over an aggregate period of nine months. Since trending videos are declared as such just several hours after they are uploaded, we are able to analyze trending videos time-series across critical and sufficiently-long durations of their lifecycle. In addition, we analyze the profile of users who upload trending videos, to potentially identify the role that these users profile plays in getting their uploaded videos trending. Furthermore, we conduct a directional-relationship analysis among all pairs of trending videos time-series that we have monitored. We employ Granger Causality (GC) with significance testing to conduct this analysis. Unlike traditional correlation measures, our directional-relationship analysis provides a deeper insight onto the viewership pattern of different categories of trending videos. Trending videos and their channels have clear distinct statistical attributes when compared to other YouTube content that has not been labeled as trending. Our results also reveal a highly asymmetric directional-relationship among different categories of trending videos. Our directionality analysis also shows a clear pattern of viewership toward popular categories, whereas some categories tend to be isolated.

研究の動機と目的

• トレンド動画のライフサイクルダイナミクスを測定・分析すること。トレンド動画は、短命なバズ性を持つため、一般的な人気動画とは異なる。
• 視聴者数のパターンとユーザー行動の観点から、トレンド動画と非トレンドコンテンツとの間の統計的差を特定すること。
• アップローダーのプロファイルが、動画がトレンドになる可能性に与える影響を調査すること。
• グランジャ因果性を用いてトレンド動画間の方向的関係をモデル化し、視聴者数の流れのパターンを解明すること。
• 異なるコンテンツカテゴリ間での視聴者数ダイナミクスを比較し、支配的または孤立したトレンドを特定すること。

提案手法

• 9か月間にわたり、8,000本以上のYouTube動画の視聴者数および関連統計の高分解能時系列データを収集した。
• 動画がトレンドに指定された瞬間から監視を開始し、重要なライフサイクル期間をカバーした分析が可能になった。
• 特定のユーザー特性がトレンド成功に相関するかどうかを評価するために、アップローダーのプロファイルを分析した。
• 有意性検定を併用したグランジャ因果性を用いて、トレンド動画時系列同士の方向的関係を同定した。
• コンテンツタイプごとにトレンド動画を分類し、異なるコンテンツタイプ間での視聴者数ダイナミクスを比較した。
• 誤った相関を避けるために、因果関係の妥当性を検証する統計的有意性検定を用いた。

実験結果

リサーチクエスチョン

• RQ1 トレンド動画は非トレンドコンテンツと比べて、どのような特徴的な統計的属性を示すか？
• RQ2 アップローダーのプロファイルは、動画がトレンドになる可能性にどのように影響するか？
• RQ3 トレンド動画時系列間にはどのような方向的関係が存在し、コンテンツカテゴリによってどのように変化するか？
• RQ4 特定のカテゴリが他のカテゴリを一貫して駆動する非対称な視聴者数の流れが存在するか？
• RQ5 一部のトレンド動画カテゴリは、他のカテゴリにほとんど影響を与えず、逆に影響を受けることもなく、孤立しているのか？

主な発見

• トレンド動画は、視聴者数の急激な増加と短いライフサイクルといった特徴的な統計的属性を示しており、一般的な人気動画とは明確に異なる。
• グランジャ因果性分析により、非常に非対称な方向的関係が明らかになった。視聴者数の流れは、主に人気のあるコンテンツカテゴリに集中している。
• 特定のトレンド動画カテゴリはハブの役割を果たし、他のカテゴリに視聴者数を誘導している一方、他のカテゴリはほとんど影響を受けず、孤立した状態にあった。
• 本研究では、トレンド動画のアップローダーが特徴的なプロファイル要因を持つことが判明し、バズ性に影響を与える可能性があることが示唆された。
• 方向的関係の分析により、コンテンツの伝播が明確なパターンを示しており、視聴者数トレンドがランダムではなく、構造的な流れに従っていることが明らかになった。
• 結果から、トレンド動画は単なる視聴者数の多いコンテンツではなく、短命で注目を集める現象として明確に分類されるべきであることが示された。