[论文解读] Will This Video Go Viral? Explaining and Predicting the Popularity of Youtube Videos

Quyu Kong, Marian-Andrei Rizoiu+2 more|arXiv (Cornell University)|Jan 12, 2018

Complex Network Analysis Techniques参考文献 7被引用 4

一句话总结

HIPie 是一个开源的交互式网络应用，利用霍克斯强度过程（Hawkes Intensity Process, HIP）对 YouTube 视频的病毒式传播进行建模、可视化和预测。通过分析观看模式和外部推广影响，它使用户能够比较视频，借助内生-外生映射图识别病毒潜力，并模拟推广影响，为内容创作者、广告商和消费者提供一个实时推理在线流行度的实用工具。

ABSTRACT

What makes content go viral? Which videos become popular and why others don't? Such questions have elicited significant attention from both researchers and industry, particularly in the context of online media. A range of models have been recently proposed to explain and predict popularity; however, there is a short supply of practical tools, accessible for regular users, that leverage these theoretical results. HIPie -- an interactive visualization system -- is created to fill this gap, by enabling users to reason about the virality and the popularity of online videos. It retrieves the metadata and the past popularity series of Youtube videos, it employs Hawkes Intensity Process, a state-of-the-art online popularity model for explaining and predicting video popularity, and it presents videos comparatively in a series of interactive plots. This system will help both content consumers and content producers in a range of data-driven inquiries, such as to comparatively analyze videos and channels, to explain and predict future popularity, to identify viral videos, and to estimate response to online promotion.

研究动机与目标

• 解决当前缺乏可访问、交互式的工具来应用前沿的流行度模型分析 YouTube 视频病毒传播的问题。
• 为内容制作者和广告商提供一个系统，以量化病毒传播并模拟在线推广的影响。
• 使内容消费者能够透明地比较视频和频道，摆脱不透明的推荐算法。
• 弥合理论流行度模型与非专家用户可使用的实用、友好应用之间的差距。

提出的方法

• HIPie 使用霍克斯强度过程（HIP）将视频流行度建模为内生口碑传播与外生输入（如社交媒体分享）的函数。
• 通过 youtube-insight 包获取 YouTube 视频元数据和 90 天的观看时间序列，用于参数拟合。
• 系统使用内生-外生映射图，将视频投影到由内生放大效应和外生敏感性定义的二维空间中，揭示其病毒传播潜力。
• 基于 R 语言中的 Shiny 和 Plotly 构建的交互式可视化，使用户能够实时探索拟合和预测的流行度曲线。
• 用户可通过输入任意 YouTube 视频 ID 或链接，系统将动态拟合 HIP 参数并实时更新可视化结果。
• 平台支持通过注入人工外生输入来模拟推广活动，并观察预测的观看量激增。

实验结果

研究问题

• RQ1 如何以用户可访问的方式应用霍克斯强度过程来解释和预测 YouTube 视频的流行度？
• RQ2 哪些可视化与交互功能最能帮助非专家用户理解视频病毒传播及推广影响？
• RQ3 如何对不同视频和频道的内生与外生影响进行定量比较？
• RQ4 交互式系统在视频达到高人气之前是否能有效识别出潜在的病毒式传播视频？
• RQ5 模拟的推广事件在多大程度上能够预测真实世界中 YouTube 内容的观看量激增？

主要发现

• HIPie 在基于网络的交互环境中成功实现了霍克斯强度过程，支持实时流行度预测与解释。
• 内生-外生映射图能有效可视化并比较不同视频的病毒传播潜力，其相对位置可反映对自我维持或外部驱动传播的敏感性。
• 系统允许用户模拟推广活动并观察预测的观看量增长，展示了其在内容策略中的实际应用价值。
• 具有高外生敏感性与中等至高内生放大效应的视频最可能成为病毒式传播内容，该结论得到测试数据上模型预测准确性的验证。
• 该工具支持对多个视频和频道的对比分析，揭示了不同创作者内容表现的模式。
• HIPie 作为开源软件公开发布，并提供在线演示，支持社区扩展，并可与其他流行度模型集成。