Dette diagram viser stadierne af algoritmen og viser den måde, data bruges på. Kredit:Wang et al
Dataloger skabte en ny algoritme til at anbefale tags til opslag på sociale medier, som skulle øge populariteten af det pågældende opslag. Denne algoritme tager højde for flere slags information end tidligere algoritmer med et lignende mål. Resultatet er et målbart forbedret antal visninger for indlæg, der bruger de tags, der anbefales af denne nye algoritme. Sådan forskning kunne være nyttig kommercielt og for andre forskere, der studerer onlineadfærd.
Xueting Wang er postdoktor ved Yamasaki Laboratory. Som en ivrig bruger af sociale medier, hun var forundret over, hvordan forskellige indlæg fra forskellige mennesker opnår berømmelse eller forsvinder i uklarhed. Drevet af denne nysgerrighed Wang, hendes kollega Yiwei Zhang og deres vejleder, Lektor Toshihiko Yamasaki, undersøgte forholdet mellem indhold på sociale medier, de tags, der er knyttet til indholdet, og de personer, der poster det.
"Det er velkendt inden for vores felt, at tags til opslag på sociale medier er vigtige, " forklarede Wang. "Det er også kendt, at arten af disse tags, og den pågældende brugers relative popularitet, kan påvirke populariteten af et opslag – for eksempel antallet af visninger. Det, jeg ville gøre, var at komme op med et system til at anbefale passende tags til dine indlæg, som beviseligt ville forbedre deres popularitet."
Dette er langt lettere sagt end gjort. Computere er exceptionelle til præcist definerede matematiske opgaver; imidlertid, nogle af de sociale begreber, som forskerne har udforsket, såsom en brugers popularitet, er for vage til, at en computer kan behandle dem direkte. Wang og teamet var nødt til omhyggeligt at definere alle aspekter af problemet i matematiske termer for at en algoritme var mulig.
Diagram for at vise populariteten af indlæg, der bruger tags anbefalet af algoritmen. Kredit:Wang et al
"Vi havde 60, 000 offentligt tilgængelige billeder med tags, antal visninger og tilhørende brugerdata fra fotowebstedet Flickr til at eksperimentere med, " fortsatte Wang. "Det gav os nok kildedata til at lave et system til at score forskellige bruger- og billeddetaljer, og tildele numeriske værdier til ting. Det betød, at vi kunne udføre forskellige funktioner på dataene."
Wang og teamet brugte disse data til at rangere den effektive succes for et specifikt tag med at bidrage til antallet af billedvisninger. I det væsentlige, vellykkede tags blev anbefalet af denne proces, der resulterede i en stigning på 20 procent til populariteten af et indlæg. Men det, der adskiller deres tilgang fra andre, er, at den tager højde for, hvem der har oprettet indlægget. Systemet efterligner på en smart måde tagging-adfærden hos personer med høje sociale popularitetsscore for at anbefale effektive tags.
"Algoritmen kaldes 'brugerbevidst folkepopularitetsrang', og den er den første af sin slags, som navnet antyder, opmærksom på brugeren i, hvordan den anbefaler tags, " sagde Wang. "Vi ser fra vores resultater, at omhyggeligt udvalgte tags, der udtrykker følelsesmæssige indtryk frem for blot bogstavelige repræsentationer af billedindholdet, vil være mere effektive. Men alle de tags, systemet producerer, er fra en eksisterende pool, og det ville være godt at udvide vores system, så det kan generere nye ideer."
Der er klare kommercielle applikationer til den brugerbevidste folkelige popularitetsrangering, og holdet har allerede nogle kommercielle partnere, der tager imod deres anbefalinger for at hjælpe med at fremme deres output. Imidlertid, en god videnskabsmands arbejde bliver aldrig gjort, og Wang har til hensigt at forbedre effektiviteten af systemet samt implementere større autonomi, så det kan generere sine egne tags. Hun håber også, at forskere på sociale medier kan bruge disse ideer til at udforske ting som, hvad der gør nogen populær online til at begynde med.