Труды КНЦ (Технические науки вып. 7/2023(14))

Мы видим, что для порядковой оценки популярности публикаций могут использоваться любые из трех основных индикаторов реакции. Однако следует иметь в виду, что в абсолютном измерении эти индикаторы, очевидно, зависят от размера аудитории. Это обстоятельство является важным, если мониторинг социальной сети подразумевает анализ данных сразу нескольких онлайн-сообществ (с разными количествами подписчиков). Таким образом, для выравнивания априорной разницы в «базовой» популярности и размере аудитории различных онлайн-сообществ, для оценки популярности данный показатель целесообразно дополнительно нормировать по количеству просмотров контента или количетсву подписчиков сообществ. Заключение В данной работе рассматривается задача оценки популярности публикаций в онлайновых социальных медиа. Акцент сделан на порядковых оценках, когда имеет значение не абсолютное значение метрики, а их соотношение для разных сообщений из рассматриваемого множества. Анализ использованных в качестве примера экспериментальных данных, собранных из нескольких онлайн-сообществ социальной сети «ВКонтакте», показал, что для порядковых оценок использование таких индикаторов реакции аудитории, как количество лайков, репостов и комментариев, дает практически эквивалентный результат. Интерес для дальнейших исследований представляет анализ возможных способов определения количественных оценок популярности, в частности, влияния различных дополнительных признаков сообщения. Многие подобные признаки существенно влияют на интенсивность реакции аудитории и, соответственно, должны учитываться при формировании оценки популярности сообщения. В этой связи можно сформулировать несколько предположений. 1. Интенсивность реакции зависит от времени суток, в которое опубликовано сообщение. При этом для различных онлайн-сообществ и категорий пользователей «прайм-тайм», обеспечивающий максимально интенсивную реакцию в абсолютном измерении, будет разный — в одних случаях это будут вечерние часы, в других — дневные или утренние, или даже ночные. 2. Интенсивность реакции на сообщение зависит от инфомедийного контекста появления последнего, который характеризует спектр наиболее значимых тем общественного дискурса в момент появления сообщения. Например, в начале пандемии COVID-19 любое сообщение на эту тему имело намного большую популярность, нежели в настоящее время, когда острота проблемы коронавируса спала. 3. Интенсивность реакции зависит от характера темы сообщения — относится таковая к вирусным, характеризуемым резким всплеском и последующим падением интереса, или так называемым «гринлайн»-темам со стабильным во времени уровнем интереса аудитории. Список источников 1. Shishaev M. Analysis of Online Social Networking When Studying the Identities o f Local Communities / M. Shishaev, A. Fedorov, I. Datyev // Digitalisation and Human Security: A Multi-Disciplinary Approach to Cybersecurity in the European High North: New Security Challenges / eds. M. Salminen, G. Zojer, K. Hossain. Cham: Springer International Publishing, 2020. P. 267-293. 2. A survey on predicting the popularity o f web content / A. Tatar [et al.] // Journal o f Internet Services and Applications. 2014. Vol. 5(1). P. 8. 3. Szabo G. Predicting the popularity o f online content / G. Szabo, B.A. Huberman // Communications o f the ACM. 2010. Vol. 53(8). P. 80-88. 4. Predicting the Popularity o f Online Content by Modeling the Social Influence and Homophily Features / Y. Shang [et al.] // Frontiers in Physics. 2022. Vol. 10. 5. Ding K. Social Media Popularity Prediction: A Multiple Feature Fusion Approach with Deep Neural Networks / K. Ding, R. Wang, S. Wang // Proceedings o f the 27th ACM International Conference on Multimedia: MM ’19. New York, NY, USA: Association for Computing Machinery, 2019. Social Media Popularity Prediction. P. 2682-2686. 6. Moniz N. A review on web content popularity prediction: Issues and open challenges / N. Moniz, L. Torgo // Online Social Networks and Media. 2019. Vol. 12. A review on web content popularity prediction. P. 1-20. Труды Кольского научного центра РАН. Серия: Технические науки. 2023. Т. 14, № 7. С. 35-42. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2023. Vol. 14, No. 7. P. 35-42. © Шишаев М. Г., Диковицкий В. В., 2023 41

RkJQdWJsaXNoZXIy MTUzNzYz