کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4945010 1438018 2016 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting the popularity growth of online content: Model and algorithm
ترجمه فارسی عنوان
پیش بینی رشد محبوبیت محتوای آنلاین: مدل و الگوریتم
کلمات کلیدی
پیش بینی محبوبیت، انتشار اطلاعات، آبشار اطلاعاتی، شبکه اجتماعی، تصویب محتوای آنلاین، مدل رشد محبوبیت،
ترجمه چکیده
تکامل محبوبیت محتوای آنلاین تجزیه و تحلیل می شود و دو الگو مشخص برای دوره های رشد خطی و غیر خطی شناسایی می شوند. در حالی که سابق ویژگی انتشار محتوای آنلاین را از طریق یک فرآیند دینامیکی در حالت تعادل آماری مشخص می کند، این دوم به نظر می رسد زمانی که این حالت با وقایع مداخلات خارجی بروز می شود. چنین قسمت هایی حساسیت افراد بالقوه بالاتری را افزایش می دهد که محتوای توزیع کننده را به صورت اپراتوری پذیرفته اند. برای به دست آوردن پویایی هر دو حالت انتشار، محبوبیت محتوای آنلاین مدل سازی شده با درهم آمیختن شرایط رشد خطی و غیر خطی، کاهش یافته به توابع چندجمله ای و لجستیک درجه 1 به ترتیب به مرحله های تصویب ثابت و غیر ثابت است. مناسب بودن دقیق مدل به الگوهای محبوبیت تجربی معتبر بودن آن به عنوان ابزار پیش بینی شده است. مدل پیشنهادی برای تولید پیش بینی در مورد محبوبیت محتوای آنلاین از طریق استخراج استفاده می شود. نتایج پیش بینی دقیق دقیق از روش های موجود درمورد ظرفیت دقیق و پیش بینی شده نشان داده شده است. روش پیش بینی به یک الگوریتم فرموله شده است، قابل استفاده برای پیش بینی زمان واقعی محبوبیت محتوای آنلاین بدون آموزش، با استفاده از اطلاعات کم، ماکروسکوپیک، عمومی در دسترس است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
The evolution of the popularity of online content is analyzed, and two characteristic patterns pertaining to linear and non-linear growth periods are detected. While the former characterizes the propagation of online content through a dynamical process in a state of statistical equilibrium, the latter appears when this state is perturbed by exogenous intervention events. Such episodes increase the susceptibility of higher threshold individuals who opportunistically adopt the propagating content. To capture the dynamics of both diffusion modes, the popularity of online content is modeled by interlacing linear and non-linear growth terms, reduced to 1st-degree polynomial and logistic functions corresponding respectively to stationary and non-stationary adoption phases. The precise fit of the model to empirical popularity patterns verifies its suitability as prediction tool. The proposed model is employed to generate forecasts about the popularity of online content through extrapolation. Highly accurate prediction results surpassing existing methods in terms of precision and predictive capacity are demonstrated. The prediction method is formulated into an algorithm, applicable to real time forecasting of the popularity of online content without training, using minimal, macroscopic, publicly available information.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 369, 10 November 2016, Pages 585-613
نویسندگان
,