[논문 리뷰] Predicting the popularity of online content

Gábor Szabó, Bernardo A. Huberman|ArXiv.org|2008. 11. 04.

Caching and Content Delivery참고 문헌 20인용 수 7

한 줄 요약

이 논문은 유튜브와 딕의 초기 액세스 데이터를 사용하여 온라인 콘텐츠의 장기적 인기 상황을 예측하는 방법을 제안한다. 시청 및 투표 누적 동역학을 모델링함으로써, 콘텐츠의 쇠퇴 패턴의 차이 덕분에 유튜브 영상의 인기를 30일 전에 10일 간의 데이터로, 딕 스토리의 인기를 2시간 간의 초기 데이터로도 높은 정확도로 예측할 수 있다.

ABSTRACT

We present a method for accurately predicting the long time popularity of online content from early measurements of user access. Using two content sharing portals, Youtube and Digg, we show that by modeling the accrual of views and votes on content offered by these services we can predict the long-term dynamics of individual submissions from initial data. In the case of Digg, measuring access to given stories during the first two hours allows us to forecast their popularity 30 days ahead with remarkable accuracy, while downloads of Youtube videos need to be followed for 10 days to attain the same performance. The differing time scales of the predictions are shown to be due to differences in how content is consumed on the two portals: Digg stories quickly become outdated, while Youtube videos are still found long after they are initially submitted to the portal. We show that predictions are more accurate for submissions for which attention decays quickly, whereas predictions for evergreen content will be prone to larger errors.

연구 동기 및 목표

• 사용자 생성 콘텐츠의 장기적 인기 상황을 초기 액세스 패턴에 기반해 예측할 수 있는 방법을 개발하는 것.
• 유튜브나 딕과 같은 플랫폼에서의 초기 인기 추세가 장기적 성과를 어떻게 예측할 수 있는지 이해하는 것.
• 딕의 시간 민감한 스토리와 유튜브의 영구적 영상 등 다양한 콘텐텐츠 소비 역학을 가진 플랫폼 간 예측 정확도를 비교하는 것.
• 콘텐츠 쇠퇴가 예측 신뢰성에 미치는 영향을 평가하고, 예측이 가장 정확한 조건을 특정하는 것.

제안 방법

• 7,146개의 유튜브 영상과 딕 스토리에 대해 장기간에 걸쳐 매일의 시청 수 및 투표(디그) 시간 시리즈 데이터를 수집하였다.
• 성장 패턴을 선형화하고 노이즈를 줄이기 위해 인기 데이터에 로그 변환을 적용하여 선형 모델의 사용을 가능하게 하였다.
• 변환된 인기 데이터에 선형 회귀를 적용하여 초기 시점 측정치로부터 향후 인기를 예측하였다.
• 초기 및 후기 인기 간 선형 상관관계를 바탕으로 세 가지 예측 모델을 평가하고, 가장 우수한 성능을 보인 모델을 선정하였다.
• 특히 고분산 예측에서의 예측 불확실성 분산을 줄이기 위해 절대 오차 대신 상대 오차 측정치를 사용하였다.
• 모델 파라미터에 대해 최대우도추정법을 적용하였으며, 이는 대량의 데이터가 확보되어 있고 이러한 경우에 베이지안 추론과 동치이기 때문에 정당화되었다.

실험 결과

연구 질문

• RQ1 유튜브와 딕의 초기 액세스 패턴을 사용하여 장기적 콘텐츠 인기 상황을 정확하게 예측할 수 있는가?
• RQ2 다른 콘텐츠 쇠퇴 역학을 가진 플랫폼 간에 예측 시간 척도는 어떻게 다를까?
• RQ3 왜 빠른 주목도 쇠퇴를 보이는 콘텐츠(예: 딕)의 예측이 영구적 콘텐츠(예: 유튜브)보다 더 정확한가?
• RQ4 오차 측정지표 선택(절대 오차 대비 상대 오차)이 인기 예측의 신뢰성에 어떻게 영향을 미치는가?
• RQ5 오랜 액세스 데이터만을 사용할 때, 의미적 또는 문맥적 특징을 무시할 수 있는 정도는 어느 정도인가?

주요 결과

• 딕 스토리의 예측 정확도는 제출 후 약 2시간 이내에 최고에 도달하며, 이는 콘텐츠의 빠른 노후화로 인해 약 2시간 내에 10% 이내의 오차를 기록한다.
• 유튜브 영상의 경우, 10% 이내의 예측 오차를 달성하기 위해 시청 데이터 10일 분량이 필요하며, 이는 느린 쇠퇴와 더 긴 관련성 윈도우를 반영한다.
• 인기 데이터의 로그 변환을 통해 초기 및 후기 인기 간 강한 선형 상관관계를 확인하였으며, 이는 정확한 모델링을 가능하게 하였다.
• 절대 오차로 측정할 경우 예측 오차는 매우 분산되어 있지만, 상대 오차 측정지표를 사용할 경우 분산이 크게 감소하였다.
• 빠르게 주목도가 쇠퇴하는 콘텐츠의 경우 예측이 가장 정확하며, 영구적 콘텐츠는 장기간에 걸쳐 변동성이 큰 노출로 인해 더 큰 예측 오차를 보였다.
• 본 연구는 의미적 또는 콘텐츠 기반 특징 없이도 초기 액세스 데이터만으로도 대규모 사용자 커뮤니티에서 매우 정확한 인기 예측을 도출할 수 있음을 확인하였다.