[论文解读] Competition and Success in the Meme Pool: a Case Study on Quickmeme.com

Michele Coscia|arXiv (Cornell University)|Apr 5, 2013

Language and cultural evolution参考文献 23被引用 8

一句话总结

本研究分析了来自Quickmeme.com的网络迷因，以探究独立于网络效应的内在特征如何驱动迷因的成功。基于499个迷因的决策树模型发现，低流行度峰值与高协作性使成功概率达到75–80%；而高流行度峰值则使竞争有害，揭示出迷因的成功既取决于个体特征，也取决于迷因池中的协作动态。

ABSTRACT

The advent of social media has provided data and insights about how people relate to information and culture. While information is composed by bits and its fundamental building bricks are relatively well understood, the same cannot be said for culture. The fundamental cultural unit has been defined as a "meme". Memes are defined in literature as specific fundamental cultural traits, that are floating in their environment together. Just like genes carried by bodies, memes are carried by cultural manifestations like songs, buildings or pictures. Memes are studied in their competition for being successfully passed from one generation of minds to another, in different ways. In this paper we choose an empirical approach to the study of memes. We downloaded data about memes from a well-known website hosting hundreds of different memes and thousands of their implementations. From this data, we empirically describe the behavior of these memes. We statistically describe meme occurrences in our dataset and we delineate their fundamental traits, along with those traits that make them more or less apt to be successful.

研究动机与目标

• 研究网络迷因的内在特征，独立于社交网络效应。
• 通过实证方法验证Quickmeme上的迷因表现出竞争与协作，确认其作为文化单元的地位。
• 识别出能提高或降低迷因在迷因池中成功概率的具体迷因特征。
• 提供一个高质量、可追溯的数据源，用于迷因学研究，基于受控平台。
• 将研究重点从网络驱动的动力学转向迷因层面的特性，以推动文化演化研究。

提出的方法

• 从Quickmeme.com收集并清洗数据，包括迷因创建时间戳、评分和使用频率。
• 训练决策树模型，基于峰值流行度、竞争者数量、合作者数量以及是否属于迷因有机体等特征，预测迷因成功。
• 使用剪枝和叶节点合并技术，提升决策树的可解释性。
• 将成功定义为迷因获得高评分，基准成功概率基于数据集中177个成功迷因占499个总数的计算结果。
• 通过将每个迷因的时间线视为一系列快照，分析时间模式，并评估特征在预测成功中的重要性。
• 评估迷因特征与成功概率之间的相关性，区分高峰值与低峰值迷因的行为差异。

实验结果

研究问题

• RQ1 Quickmeme上的迷因是否表现出竞争与协作，从而确认其作为文化单元的地位？
• RQ2 哪些迷因的内在特征最能独立于网络效应预测其成功？
• RQ3 流行度峰值的存在如何影响竞争与迷因成功之间关系？
• RQ4 协作或作为迷因有机体的一部分在提升迷因成功概率方面发挥何种作用？
• RQ5 决策树模型能否仅基于静态特征有效预测迷因成功，而无需考虑社交网络拓扑结构？

主要发现

• 数据集中迷因的基准成功概率为35.47%，基于499个迷因中的177个成功案例。
• 低流行度峰值的迷因成功概率为54.47%，而高峰值迷因的成功概率仅为13.41%。
• 对于无高流行度峰值的迷因，竞争者越多，成功概率越高，可达75%；而对于高峰值迷因，竞争者越多，成功概率反而下降至6.25%。
• 在具有高竞争者数量的连贯迷因有机体中的迷因，成功概率高达80.3%，表明存在显著的协作优势。
• 对于非峰值迷因，高协作性与79.31%的成功概率相关，而低协作性则使成功概率降至58.62%。
• 竞争者数量与高峰值迷因的成功呈负相关，但与低峰值迷因的成功呈正相关，表明存在截然不同的动力学机制。