Advertisement

Investigating and Forecasting User Activities in Newsblogs: A Study of Seasonality, Volatility and Attention Burst

  • Christian Bauckhage
  • César Ojeda
  • Rafet SifaEmail author
Conference paper

Zusammenfassung

Das Studium allgemeiner Aufmerksamkeit ist ein Hauptthemengebiet im Bereich der Internetwissenschaft, da wir wissen wollen, wie die Beliebtheit eines bestimmten Nachrichtenthemas oder Memes im Laufe der Zeit zu- oder abnimmt. Neueste Forschungen konzentrierten sich auf die Entwicklung von Methoden zur Quantifizierung von Erfolg und Beliebtheit von Themen und untersuchten ihre Dynamiken im Laufe der Zeit. Allerdings wurde das gesamtheitliche Nutzerverhalten über Inhaltserstellungsplattformen größtenteils ignoriert, obwohl die Beliebtheit von Nachrichtenartikeln auch mit der Art verbunden ist, wie Nutzer Internetplattformen nutzen. In dieser Abhandlung zeigen wir ein neuartiges Framework, dass die Verlagerung der Aufmerksamkeit von Bevölkerungsgruppen in Hinblick auf Nachrichtenblogs untersucht. Wir konzentrieren uns auf das Kommentarverhalten von Nutzern bei Nachrichtenbeiträgen, was als Stellvertreter für die Aufmerksamkeit gegenüber Internetinhalten fungiert. Wir nutzen Methoden der Signalverarbeitung und Ökonometrie, um Verhaltensmuster von Nutzern aufzudecken, die es uns dann erlauben, das Verhalten einer Bevölkerungsgruppe zu simulieren und schlussendlich vorherzusagen, sobald eine Aufmerksamkeitsverlagerung auftritt. Nach der Untersuchung von Datenreihen von über 200 Blogs mit 14 Millionen Nachrichtenbeiträgen, haben wir zyklische Gesetzmäßigkeiten im Kommentarverhalten identifiziert: Aktivitätszyklen von 7 Tagen und 24 Tagen, die möglicherweise im Zusammenhang zu bekannten Dimensionen von Meme-Lebenszeiten stehen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1] C. Bauckhage, “Insights into internet memes.” in Proc. of ICWSM, 2011.Google Scholar
  2. [2] A. Vespignani, “Modelling dynamical processes in complex sociotechnical systems,” Nature Physics, vol. 8, no. 1, 2012.Google Scholar
  3. [3] J. Leskovec, L. Backstrom, and J. Kleinberg, “Meme-tracking and the dynamics of the news cycle,” in Proc. of ACM SIGKDD, 2009.Google Scholar
  4. [4] J. Yang and J. Leskovec, “Modeling information diffusion in implicit networks,” in Proc. of ICDM, 2010.Google Scholar
  5. [5] Y. Matsubara, Y. Sakurai, B. A. Prakash, L. Li, and C. Faloutsos, “Rise and fall patterns of information diffusion: model and implications,” in Proc. of ACM SIGKDD, 2012.Google Scholar
  6. [6] A.-L. Barabasi, “The origin of bursts and heavy tails in human dynamics,” Nature, May 2005.Google Scholar
  7. [7] R. Sifa, C. Bauckhage, and A. Drachen, “The Playtime Principle: Largescale Cross-games Interest Modeling,” in Proc. of IEEE CIG, 2014, pp. 365–373.Google Scholar
  8. [8] F. Wu and B. A. Huberman, “Novelty and collective attention,” Proceedings of the National Academy of Sciences, vol. 104, no. 45, 2007.Google Scholar
  9. [9] L. Weng, A. Flammini, A. Vespignani, and F. Menczer, “Competition among memes in a world with limited attention,” Scientific reports, vol. 2, 2012.Google Scholar
  10. [10] M. Goetz, J. Leskovec, M. McGlohon, and C. Faloutsos, “Modeling blog dynamics.” in Proc. of ICWSM, 2009.Google Scholar
  11. [11] M. McGlohon, J. Leskovec, C. Faloutsos, M. Hurst, and N. Glance, “Finding patterns in blog shapes and blog evolution,” in Proc. of ICWSM, 2007.Google Scholar
  12. [12] D. A. Dickey and W. A. Fuller, “Distribution of the estimators for autoregressive time series with a unit root,” Journal of the American statistical association, vol. 74, no. 366a, 1979.Google Scholar
  13. [13] R. F. Engle, “Autoregressive conditional heteroscedasticity with estimates of the variance of united kingdom inflation,” Econometrica: Journal of the Econometric Society, 1982.Google Scholar
  14. [14] D. G. Manolakis, V. K. Ingle, and S. M. Kogon, Statistical and adaptive signal processing: spectral estimation, signal modeling, adaptive filtering, and array processing. ArtechHouseNorwood,2005,vol.46.Google Scholar
  15. [15] C. T. Brownlees, R. F. Engle, and B. T. Kelly, “A practical guide to volatility forecasting through calm and storm,” Available at SSRN 1502915, 2011.Google Scholar
  16. [16] A. J. Patton and K. Sheppard, “Evaluating volatility and correlation forecasts,” in Handbook of financial time series. Springer,2009,pp. 801–838.Google Scholar
  17. [17] E. S. Herman and N. Chomsky, Manufacturing consent: The political economy of the mass media. RandomHouse,2008.Google Scholar
  18. [18] M. Newman, “Power laws, pareto distributions and zipf’s law,” Contemporary Physics, vol. 46, no. 5, 2005.Google Scholar
  19. [19] G. Szabo and B. Huberman, “Predicting the Popularity of Online Content,” Comm. of the ACM, vol. 53, no. 8, 2010.Google Scholar
  20. [20] R. D. Malmgren, D. B. Stouffer, A. E. Motter, and L. A. Amaral, “A poissonian explanation for heavy tails in e-mail communication,” 2008.Google Scholar
  21. [21] J. Ratkiewicz, S. Fortunato, A. Flammini, F. Menczer, and A. Vespignani, “Characterizing and modeling the dynamics of online popularity,” Phys. Rev. Lett., vol. 105, Oct 2010.Google Scholar
  22. [22] J. D. Hamilton, Time series analysis. Princeton university press Princeton, 1994, vol. 2.Google Scholar
  23. [23] H. Akaike, “A new look at the statistical model identification,” IEEE Transactions on Automatic Control, vol. 19, no. 6, pp. 716–723, 1974.Google Scholar
  24. [24] B. Ulicny and K. Baclawski, “New metrics for newsblog credibility,” in Proc. of ICWSM, 2007.Google Scholar
  25. [25] R. G. King and S. T. Rebelo, “Low frequency filtering and real business cycles,” Journal of Economic dynamics and Control, vol. 17, no. 1, 1993.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2017

Authors and Affiliations

  • Christian Bauckhage
    • 1
    • 2
  • César Ojeda
    • 1
  • Rafet Sifa
    • 1
    • 2
    Email author
  1. 1.Fraunhofer IAISSt. AugustinDeutschland
  2. 2.University of BonnBonnDeutschland

Personalised recommendations