2016学期视觉计算实验室第5周论文研读预告

时间:4月15日上午9:00
地点:基础教学楼B318实验室
研读成员:符敏。

一、符敏
  对于在线社交问答网站来说,维持网站生存发展的核心是用户的参与及优质的UGC(User Generated Content 用户原创内容)。本次分享的三篇论文前两篇涉及用户参与的行为预测,后议一篇既与用户参与有关,又与UGC质量相关。
1.《User Churn in Focused Question Answering Sites: Characterizations and Prediction》
用户流失预测:
  有了一个用户在Q&A社区中的活动记录,预测接下来的一段时间这个用户更倾向于参与社区活动还是离开社区。这篇文章不但研究了新用户的流失,而且预测了老用户的流失。针对在线问答社区的特质找出了用户流失前在时间上的独有特质,又创新地提出社区对“用户知识体系的认同度”这样的用户特点,取得了很好的效果。此文是顶级会议WWW14年的文章,值得一提的是这篇文章还因其独到的研究点被斯坦福大学网络研究组的大牛Jure Leskovec引用过。
2.《Predicting Churn Of Expert Respondents In Social Networks Using Data Mining Techniques》
  对论文1做的细化延伸。把用户流失的研究对象细化到“专业回答者”,给专业回答者一个更加合理的定义及排序,进而研究最适合这类用户流失预测的行为特征及建模方法。文章显得略有稚嫩和不完善的地方,在算法上的创新并不大,然而却因其独到的研究点打开了一片新的研究领域,跻身IEEE国际会议行列,研究问题的角度非常值得借鉴。
3.《How Community Feedback Shapes User Behavior》
  斯坦福大学网络组大牛Leskovec在顶级会议WWW上的又一力作,主演研究依赖高质量UGC内容的社交网络中,社区中其他用户的反馈对反馈对象的影响。该论文十分严谨,使用众包实验证明验证标准的准确性,对UGC内容的质量鉴别提出了一系列预测算法,为对比试验的样本设计准确的匹配体系等等,整个实验的每个细节都可见功力之深厚。
  最惊人的是,该实验结果推翻了传统心理学对人类接收反馈后行为的研究成果,证明了在在线社交网络中,负面的反馈不但危害反馈对象,还会把负面能量传播扩散至整个社区。相反,正面的反馈并没有多大的激励效果。这也是近年来各大社交网站和app只提供正向反馈的“赞”借口,而不提供负向反馈的“踩”功能的理论支撑。

123