在线视频网络中注意力流动的估计

在线视频在互联网流量中呈现巨大增长。大多数视频托管网站实施推荐系统，将视频连接成有向网络，概念上作为用户导航的路径来源。目前，关于人类注意力如何在这种大规模网络上分配，以及推荐系统的影响知之甚少。在本文中，我们首先构建了Vevo网络——一个包含60,740个音乐视频、由推荐链接相互连接的YouTube视频网络，并收集了它们的相关观看动态。这产生了在9周期间每天总计3.1亿次观看。接下来，我们展示了将推荐网络结构与视频注意力动态联系起来的大规模测量。我们使用蝴蝶结结构来描述Vevo网络，发现其核心组件（占视频的23.1%）占据了大部分注意力（82.6%的观看），这些视频主要在相互之间被推荐。这表明视频推荐与注意力分配的不平等之间存在联系。最后，我们解决了估计视频推荐网络中注意力流动的任务。我们提出了一个考虑网络效应来预测视频流行度的模型，并表明它始终优于基线。该模型还识别出一组因推荐网络而获得关注的艺术家。总体而言，我们的观察和模型提供了一套新工具，以更好地理解推荐系统对集体社会注意力的影响。