[论文解读] Social Browsing on Flickr

Kristina Lerman, Laurie A Jones|ArXiv.org|Dec 7, 2006

Recommender Systems and Techniques参考文献 4被引用 111

一句话总结

本文研究了Flickr上的社交浏览行为，表明用户主要通过联系人的照片流发现新图片，而非标签或群组。通过分析用户活动，研究发现社交网络——尤其是反向联系人——强烈预测图片的受欢迎程度，高达75%的高质量图片评论来自摄影师的社交网络，凸显社交浏览作为内容发现与推荐的关键机制。

ABSTRACT

The new social media sites - blogs, wikis, del.icio.us and Flickr, among others - underscore the transformation of the Web to a participatory medium in which users are actively creating, evaluating and distributing information. The photo-sharing site Flickr, for example, allows users to upload photographs, view photos created by others, comment on those photos, etc. As is common to other social media sites, Flickr allows users to designate others as ``contacts'' and to track their activities in real time. The contacts (or friends) lists form the social network backbone of social media sites. We claim that these social networks facilitate new ways of interacting with information, e.g., through what we call social browsing. The contacts interface on Flickr enables users to see latest images submitted by their friends. Through an extensive analysis of Flickr data, we show that social browsing through the contacts' photo streams is one of the primary methods by which users find new images on Flickr. This finding has implications for creating personalized recommendation systems based on the user's declared contacts lists.

研究动机与目标

• 理解用户在传统方法（如标签和群组）之外如何在Flickr上发现新图片。
• 探究社交网络（特别是联系人和反向联系人）在塑造用户浏览行为中的作用。
• 评估社交浏览相较于Flickr上其他发现机制，是否为内容发现的主导模式。
• 确定社交网络规模与结构在多大程度上可预测图片的受欢迎程度和参与度指标。
• 评估利用社交网络构建个性化图片推荐系统是否可行。

提出的方法

• 收集并分析了三组图片的数据：Random（随机选取）、Apex（用户精选的高质量图片）和Explore（Flickr算法精选的顶级图片）。
• 追踪三组图片的参与度指标：浏览量、收藏数和评论数。
• 通过分析联系人列表和反向联系人（将摄影师设为联系人的用户）来绘制用户社交网络。
• 将参与度指标与社交网络规模和结构（特别是反向联系人数量）进行相关性分析。
• 使用统计分析比较社交网络、标签和群组提交对图片受欢迎程度的影响。
• 分析评论来源，以确定评论者是否来自摄影师的社交网络（相互联系人、反向联系人或陌生人）。

实验结果

研究问题

• RQ1 通过联系人进行的社交浏览在多大程度上影响用户在Flickr上发现新图片？
• RQ2 参与度指标（浏览量、收藏数、评论数）与摄影师社交网络规模之间有何相关性？
• RQ3 社交网络、标签和群组提交对图片受欢迎程度的相对影响是什么？
• RQ4 在不同图片集（Random、Apex、Explore）中，评论来源（相互联系人、反向联系人、陌生人）有何差异？
• RQ5 社交网络结构能否预测某张图片是否会被选为Flickr的Explore页面推荐？

主要发现

• 通过联系人进行的社交浏览是Flickr上发现新图片的主要方式，高达75%的高质量图片评论来自摄影师的社交网络。
• 反向联系人数量（将摄影师设为联系人的用户）与图片参与度（包括浏览量和收藏数）的相关性最强。
• Apex和Explore两组图片表现出相似的参与度模式，尽管Apex组图片已存在数月，表明Interestingness算法能有效识别高质量摄影师。
• 仅有10%的Apex图片曾被选为Explore页面推荐，表明用户精选与算法选择之间重叠有限。
• 标签在内容分享方面不如社交网络有效，群组提交的作用较小，除非是Random用户，可能因社交网络较弱所致。
• 尽管图片公开可见，摄影师的社交网络规模仍是决定其图片是否被选为Explore页面推荐的关键因素。