OmniTrend：スケーラブルなソーシャル人気予測のためのコンテンツ・コンテキストモデリング

要旨: ソーシャルメディアの人気を予測するには、コンテンツそのものの本質的な魅力と、それがユーザにどのように露出されるかを決める外部の文脈の両方を理解する必要がある。既存の手法はコンテンツのシグナルに焦点を当てているが、それらを露出に関係するパターンから切り離していないため、学習された表現がプラットフォーム固有の可視性効果を取り込み、解釈可能性とクロスプラットフォームでの転移の両方が弱まる。本論文では、コンテンツの魅力と文脈上の露出の双方の共同の結果として人気をモデル化する統一フレームワーク OmniTrend を提案する。コンテンツ・モジュールは、視覚、音声、テキストの手がかりからクロスモーダル表現を学習し、本質的な魅力を定量化する。一方、コンテキスト・モジュールは、投稿時刻、投稿者の活動、トピックのトレンド、検索に基づく近傍統計といった外生的シグナルから露出を推定する。OmniTrend は、コンテンツの魅力と文脈上の露出それぞれに対する独立した予測器を学習し、それらを最終的な人気の推定に統合することで、各要因の役割を明示し、画像・動画プラットフォーム間で頑健な転移を可能にする。