Wikipedia記事の内容と閲覧時間帯の関係の統計的分析

• Item type: SIG Technical Reports(1)
• 公開日: 2024-09-04
• タイトル: Wikipedia記事の内容と閲覧時間帯の関係の統計的分析
• タイトル / 言語: en
• タイトル: When do you read the text? Statistical analysis of viewing time of Wikipedia articles
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 5C
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 株式会社D2C
• 著者所属: 統計数理研究所
• 著者所属(英): en
• 著者所属(英): D2C Inc.;The Institute of Statistical Mathematics
• 著者名: 吉井, 健敏; 持橋, 大地
• 著者名(英): Taketoshi, Yoshii; Daichi, Mochihashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: インターネット上には多岐にわたるコンテンツで溢れていて，ユーザはライフサイクルに沿ってそれらを利用する．メディアは閲覧数に応じた収益を獲得するため，コンテンツとユーザの時間特性を把握し閲覧数を増大させることは重要なビジネステーマである．本研究ではWikipedia の記事概要と閲覧ログを用いて，記事内容とユーザの興味の時間特性を明らかにする手法を提案する．まず，内容が類似するWikipedia 記事のクラスタ内では閲覧される時間帯も類似することを発見する．次に記事の時間帯ごとの閲覧傾向を定義し，独立成分分析を利用して異なるユーザグループの時間特性を抽出し，それらが直感的なライフサイクルと一致すること，また閲覧傾向が類似する記事は意味内容も類似することを明らかにする．以上の議論から，記事内容と閲覧傾向に密接な関係があることが期待できるため，ニューラルネットを使って記事内容から閲覧傾向を直接予測できることを示す．本研究はWikipedia の記事について注目しているがシンプルな手法ゆえ，閲覧ログが取得可能なあらゆるコンテンツで適応可能である．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The internet is replete with a diverse array of content that users engage with according to their individual life cycles. Media outlets generate revenue based on view counts, making it essential to comprehend the temporal dynamics of both content and user interests to boost these numbers―a key business objective. This study introduces a methodology using Wikipedia article summaries and viewing logs to investigate the temporal characteristics of article content and user preferences. Initial findings reveal that articles within clusters of similar content exhibit similar viewing patterns. The research further establishes viewing trends for each article over time, employing Independent Component Analysis (ICA) to delineate the temporal traits of various user groups. This analysis confirms that these patterns correspond to intuitive life cycles, and that articles sharing similar viewing trends also share similar meanings. These findings underscore a significant correlation between article content and viewing trends, suggesting that viewing patterns can be directly predicted from article content using neural networks. While this research is centered on Wikipedia articles, the simplicity of the approach allows for its application to any content with accessible viewing logs.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10114171
• 書誌情報: 研究報告情報基礎とアクセス技術（IFAT）; 巻 2024-IFAT-156, 号 31, p. 1-6, 発行日 2024-09-04
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8884
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会