Желаете, дабы вашей фотографией поделилось в Facebook как возможно больше людей? Наука вам в помощь!

Одна из основных изюминок социальных сетей — возможность поделиться, «расшарить» понравившиеся картины, фотографии, видео, текст для собственных друзей либо тех, кто посмотрел в ваш профиль на огонёк. Наряду с этим какой-то контент постоянно становится более популярным, что ведет к каскадному эффекту — в то время, когда всё больше людей делятся именной данной фотографией либо как раз этим видео.

Смотрите кроме этого: iconBIT представила Ultra HD 4K медиа-ПК на платформе Android

Компания iconBIT начинает продажи Ultra HD 4K медиа-ПК со встроенным модулем Wi-Fi и выходом HDMI 1.4. Это легкий и дешёвый метод перевоплотить простой телевизор в Smart TV. Устройство оснащено ОС Android и замечательным чипом с четырехъядерным ARM Cortex-А7 1,5 ГГц процессором, восьмиядерной графикой и замечательным аппаратным Ultra HD 4K видеодекодером.

TOUCAN SMART 3D QUAD– замечательная игровая совокупность на базе Android 4.1, совместимая с мышкой и беспроводной клавиатурой.На устройстве дешёв фирменный облачный сервис iconBIT с помощью онлайн-кинозала.

Имеется подозрения, что весьма многим хотелось бы мочь предвещать, что именно станет популярным. Думаете, это нереально, потому, что нужно будет учитывать через чур много факторов, каковые сложно измерить: к примеру, связи и природу контента между людьми?

Примеры каскадов распространения. Да, вот такими причудливыми дорогами распространяются ваши фоточки по соцсетям.

И всё-таки изучения, в которых утверждается, что метод отыскан, появляются с завидной регулярностью. Дескать, сразу после публикации фото замеряем интерес публики за маленький временной отрезок и, экстраполируя, предвещаем популярность контента в будущем. Ясно, что этот способ пара абстрактен и больше похож на сбор статистических данных.

Джастин Чэн (Justin Cheng) из Стэнфорда и его коллеги из Facebook и Корнеллского университета (все — США) внесли предложение посмотреть на проблему по-новому. Исследователи продемонстрировали, из-за чего популярность так тяжело угадать, изучая публикации на ранних этапах. А вот кое-какие стадии «каскада популярности» в самом деле возможно угадать с поразительной точностью, дабы уже на базе этих разрешённых рассматривать будущее публикации.

Господин Чэн пришёл к таким выводам, разбирая пути «расшаривания» фотографий в Facebook в течение 28 дней по окончании их начального размещения в июне 2013-го. Отслеживалось 150 тыс. фотографий, которыми поделились другие пользователи более 9 млн раз. В следствии были выяснены люди (узлы), делившиеся чужими снимками, и время «расшаривания» по окончании уникальной публикации, что разрешило выстроить сеть распространения контента.

До сих пор исследователи отслеживали то, как начиналось распространение, к примеру, уже популярного видео, а после этого пробовали повторить ту же череду событий с другим контентом. Результаты получались… противоречивыми.

Господин Чэн и компания применяли второй подход. Они брали фотографию, которой уже пара раз поделились, и определяли возможность того, что данный снимок будет «расшарен» в два раза больше. Иначе говоря задача в том, дабы угадать, будет ли фото распространяться вдвое активнее, стремительнее.

Джастин Чэн, молодое лицо современной науки (фото с сайта Джастина Чэна).

Учёные не просто так употреблялись данный способ, поскольку сила каскада распространения подчиняется определённому закону. Одна добрая половина каскада данного размера усилится двукратно, тогда как вторая — нет. Другими словами случайная предположение будет верна в половине случаев.

Ясно, что добрая половина не отличных показателей для предсказателя. Так что вопрос в том, как улучшить способ посредством обучения ИИ (ИИ). Исходя из этого Джастин Чэн с товарищами применяли часть данных, каковые они собрали вручную, для улучшения предсказания и обучения ИИ каскадов.

Виден ли на снимке большой замысел человека либо улица, имеется ли надписи, сколько людей поделились уникальным изображением, какова скорость распространения — всё это принципиально важно для определения формы будущего каскада. Ах да, эти самые формы смогут быть различными: самая несложная — звезда, в то время, когда популярность неспешно затухает при перемещении к лучам…

По окончании того как учёные натаскали ИИ на различных данных, настала очередь опробования ИИ. Начали с малого: забрали за базу изображения, которыми к началу тестирования поделились пять человек. Задача была в том, чтобы совершенно верно угадать, «расшарят» ли их 10 раз и больше.

Оказалось, что спрогнозировать подобное несложнее несложного: метод был точен в 79,5% случаев.

Действительно, различные характеристики каскада предсказывались с различной точностью. оптимальнее ИИ получалось определять скорость распространения. Но для чего тут ИИ, в случае если любой интернет-зависимый человек сообщит то же самое: чем стремительнее что-то в начале распространяется, тем выше возможность, что скорость распространения будет возрастать?

Джастин Чэн подмечает, что на точность прогноза воздействует кроме этого начальное количество публикаций. Это также ясно: большое количество информации — неизменно прекрасно; чем больше людей поделились фотографией, тем правильнее прогноз. Согласно точки зрения учёных, как раз исходя из этого проваливались прошлые исследователи: они начинали со через чур малого количества данных.

Само собой разумеется, возможно посетовать на некую ограниченность данной работы, поскольку она оперировала лишь Facebook-информацией и лишь фотографиями. В полной мере возможно, что пользователи Twitter, к примеру, действуют по иному методу, да и распространение видео может различаться от фотографий, не говоря уже об простых ссылках, скажем, на тексты «Компьюленты».

Джастин Чэн и Ко не настаивают на фундаментальности собственного изучения, но уверены в том, что оно окажет помощь вторым учёным. «Не обращая внимания на ограниченность результатов, мы полагаем, что работа даёт неспециализированную идею, которая понадобится в будущем», — поясняет господин Чэн.

Препринт изучения возможно полистать тут.

Подготовлено по данным Technology Review.

Создатель: Алексей Халецкий

Случайная статья:

• Обзор koss ur23i: музыка для народа
• Как открыть диспетчер задач windows?

018. Предсказание популярности контента в социальных сетях — Андрей Купавский

Похожие статьи:

• Как социальные сети формируют наши образы и представления

  Современные соцсети уже давно прекратили быть для нас легко средством коммуникации и местом общения. На данный момент они большим образом…

• Как найти работу через социальные сети

  какое количество раз вы входили в социальную сеть за сейчас? У большинства трудится рефлексивная привычка, входить в инстаграм, вконтакте, одноклассники…

• Кек — что это значит. что такое кек на сленге в вконтакте и других социальных сетях

  Слово «кек» сейчас возможно довольно часто встретить в комментариях, чатах, и на страничках в соцсетях. Термин данный своеобразный. Употребляется он, в…