Tube2Vec：YouTube频道的社交和语义嵌入
摘要：使用YouTube的数据进行研究通常探索频道和视频的社交和语义维度。通常，分析依赖于对内容和内容创作者的劳动密集型手动注释，通常通过低召回率的方法（例如关键词搜索）找到。这里，我们探索了一种替代方法，使用机器学习获得的潜在表示（嵌入）。使用在Reddit上共享的大型YouTube链接数据集，我们创建了捕捉社交分享行为、视频元数据（标题、描述等）和YouTube视频推荐的嵌入。我们使用众包和现有数据集对这些嵌入进行评估，发现推荐嵌入在捕捉社交和语义维度方面表现出色，尽管社交分享嵌入与现有的党派得分更好地相关。我们分享了捕捉44000个YouTube频道的社交和语义维度的嵌入，以便未来YouTube研究的受益：https://github.com/epfl-dlab/youtube-embeddings.
作者：L''eopaul Boesinger, Manoel Horta Ribeiro, Veniamin Veselovsky, Robert West
论文ID：2306.17298
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-07-03