The Curious Nature of Sharing Cascades på Facebook

En av de avgörande egenskaperna hos socialt innehåll är hur bilder, video och text delas mellan många användare. Oundvikligen blir visst innehåll mer populärt än annat och detta leder till kaskader där antalet vidaredelningar kan vara enormt. Medan de flesta medier bara har ett fåtal delningar, delas vissa vidare många miljoner gånger.

Så det finns ett stort intresse för att ta reda på hur man förutsäger något som sannolikt kommer att vara populärt jämfört med något som inte är det. På första sidan är det lätt att tro att det är nästan omöjligt att förutsäga innehållets popularitet. Det beror på så många faktorer som är svåra att mäta, till exempel innehållets karaktär och anslutningsmöjligheterna hos de människor som ser det.

Ändå har olika team hävdat att de har hittat sätt att förutsäga ett inläggs eventuella popularitet genom att analysera dess popularitet kort efter att det publicerats. Men med tanke på avsaknaden av något tillförlitligt sätt att göra detta på webben, kan du själv bedöma hur väl dessa mekanismer måste fungera.

Idag får vi en annan syn på ämnet förutsägbarhet tack vare Justin Chengs arbete vid Stanford University i Kalifornien samt några kompisar på Facebook och Cornell University. Dessa killar visar varför popularitet är så svårt att förutsäga med den konventionella metoden att studera de tidiga stadierna av popularitet.

Men samtidigt visar de att olika egenskaper hos en kaskad kan förutsägas med anmärkningsvärd noggrannhet och att detta kan användas för att göra framgångsrika bedömningar om kaskadens framtida beteende när de väl har startat. Resultatet är en mycket djupare insikt i kaskaders natur än vad man först trodde var möjligt.

Cheng och co kommer till sina slutsatser genom att analysera hur fotografier delades på Facebook under en 28-dagarsperiod efter deras första uppladdning i juni 2013. De såg över 150 000 bilder som tillsammans delades vidare över 9 miljoner gånger. Uppgifterna berättade för dem vilka personer (noder) som delade om varje fotografi och vid vilken tidpunkt och detta gjorde det möjligt för dem att exakt rekonstruera de nätverk genom vilka vidaredelningarna skedde.

Tidigare har forskare tittat på hur stora kaskader börjar och sedan försökt använda den informationen för att upptäcka stora kaskader i framtiden, med blandade resultat.

Cheng och co har ett annat förhållningssätt. De börjar med ett foto som har delats vidare ett visst antal gånger, säg k. De avgör sedan sannolikheten för att det här fotot kommer att delas dubbelt så många gånger. Med andra ord är deras uppgift att förutsäga om kaskaden kommer att fördubblas i storlek.

Det är ett bra val av fråga eftersom fördelningen av kaskadstorlek följer en viss typ av maktlag. Denna lag säkerställer att för kaskader av en given storlek kommer hälften att mer än fördubblas i storlek medan den andra hälften inte gör det. Så när man avgör om en given kaskad ska fördubblas, kommer en slumpmässig gissning att få rätt svar ungefär hälften av tiden.

Frågan är om det är möjligt att välja ut funktioner från datamängden som gör att en maskininlärningsalgoritm kan göra bättre än så här. Så Cheng och kompisar använder en del av sina data för att träna en maskininlärningsalgoritm för att söka efter funktioner i kaskader som gör dem förutsägbara.

Dessa funktioner inkluderar typen av bild, oavsett om det är en närbild eller utomhus eller med en bildtext och så vidare; antalet följare den ursprungliga affischen har; formen på kaskaden som bildas, oavsett om det är ett enkelt stjärndiagram eller mer komplexa strukturer; och slutligen hur snabbt kaskaden äger rum, dess hastighet.

Efter att ha tränat sin algoritm använde de den för att se om den kunde göra förutsägelser om andra kaskader. De började med bilder som bara hade delats fem gånger, så frågan var om de så småningom skulle delas mer än 10 gånger.

Det visar sig att detta är förvånansvärt förutsägbart. För denna uppgift skulle slumpmässig gissning få en prestanda på 0,5, medan vår metod uppnår förvånansvärt stark prestanda: klassificeringsnoggrannhet på 0,795, säger de.

Och vissa funktioner i kaskaden en mycket bättre prediktorer och andra. Faktum är att temporal prestanda för kaskaden, hur snabbt den sprider sig, är den bästa indikatorn av alla. Så något sprider sig snabbt till att börja med, det kommer sannolikt att spridas mer.

En annan viktig faktor är de ämnen som nämns i bildtexten förknippade med en bild, till exempel om det är nyhetsvärde eller associerat med ett aktuellt meme.

Cheng och co säger också att det blir lättare att göra en förutsägelse när antalet återdelningar ökar. Detta visar att mer information alltid är bättre: ju fler observerade vidaredelningar, desto bättre förutsägelse, säger de.

Och det är därför tidigare ansträngningar till stor del har misslyckats – de börjar alltid med för lite information.

Det finns begränsningar för arbetet såklart. Det mest uppenbara är att det bara gjordes med bilder som delades helt inom Facebook. Det kan vara så att vidaredelningar på Facebook på något sätt skiljer sig från de som sker på andra ställen på webben och att foton behandlas annorlunda än till exempel berättelselänkar.

Men Cheng och co är övertygade om att mycket av det de hittade kommer att vara användbart någon annanstans. Trots dessa begränsningar tror vi att resultaten ger generella insikter som kommer att vara användbara i andra sammanhang, säger de.

Och det lämnar mycket intresse för andra forskare att fortsätta. Cheng och co har snubblat in på en rik ådra av insikt om karaktären hos kaskader på sociala nätverk. Och det finns mer guld än kullarna.

Ref: arxiv.org/abs/1403.4608 : Kan kaskader förutsägas?

Dölj