Datavetare skapade en ny algoritm för att rekommendera taggar för inlägg på sociala medier som borde öka populariteten för inlägget i fråga. Denna algoritm tar hänsyn till fler typer av information än tidigare algoritmer med liknande mål. Resultatet är ett mätbart förbättrat antal visningar för inlägg som använder taggar som rekommenderas av denna nya algoritm. Sådan forskning kan vara användbar kommersiellt och för andra forskare som studerar beteende online.

Xueting Wang är postdoktor vid Yamasaki-laboratoriet. Som en ivrig användare av sociala medier, hon var förbryllad över hur olika inlägg av olika människor uppnår ryktbarhet eller försvinner i dunkel. Driven av denna nyfikenhet Wang, hennes kollega Yiwei Zhang och deras handledare, Docent Toshihiko Yamasaki, undersökte förhållandet mellan innehåll i sociala medier, taggarna som är kopplade till innehållet och personerna som lägger upp det.

"Det är välkänt inom vårt område att taggar för inlägg på sociala medier är viktiga, " förklarade Wang. "Det är också känt att dessa taggars natur, och den relativa populariteten för användaren i fråga, kan påverka ett inläggs popularitet – till exempel antalet visningar. Det jag ville göra var att ta fram ett system för att rekommendera lämpliga taggar för dina inlägg som bevisligen skulle förbättra deras popularitet."

Detta är mycket lättare sagt än gjort. Datorer är exceptionella vid exakt definierade matematiska uppgifter; dock, några av de sociala koncept som forskarna utforskade, som en användares popularitet, är för vaga för en dator att bearbeta direkt. Wang och teamet var tvungna att noggrant definiera varje aspekt av problemet i matematiska termer för att en algoritm skulle vara möjlig.

"Vi hade 60, 000 allmänt tillgängliga bilder med taggar, antal visningar och tillhörande användardata från fotowebbplatsen Flickr att experimentera med, " fortsatte Wang. "Det gav oss tillräckligt med källdata för att göra ett system för att poängsätta olika användar- och bilddetaljer, och tilldela numeriska värden till saker. Detta innebar att vi kunde utföra olika funktioner på data."

Wang och teamet använde dessa data för att rangordna den effektiva framgången för en specifik tagg för att bidra till bildvisningstalet. Väsentligen, framgångsrika taggar rekommenderades av denna process som resulterade i en 20-procentig ökning av ett inläggs popularitet. Men det som skiljer deras tillvägagångssätt från andra är att det tar hänsyn till vem som skapat inlägget. Systemet imiterar på ett smart sätt taggningsbeteendet hos personer med höga sociala popularitetspoäng för att rekommendera effektiva taggar.

"Algorithmen kallas "användarmedveten folkpopularitetsrankning" och den är den första i sitt slag att vara, som namnet antyder, medveten om användaren i hur den rekommenderar taggar, ", sa Wang. "Vi ser från våra resultat att noggrant utvalda taggar som uttrycker känslomässiga intryck snarare än bara bokstavliga representationer av bildinnehållet kommer att vara mer effektiva. Men alla taggar som systemet producerar kommer från en befintlig pool och det skulle vara bra att utöka vårt system så att det kan generera nya idéer."

Det finns tydliga kommersiella tillämpningar för den användarmedvetna folkliga popularitetsgraden och teamet har redan några kommersiella partners som tar på sig sina rekommendationer för att främja deras resultat. Dock, en bra vetenskapsmans arbete görs aldrig och Wang har för avsikt att förbättra systemets effektivitet samt implementera större autonomi så att det kan generera egna taggar. Hon hoppas också att forskare i sociala medier kan använda dessa idéer för att utforska saker som vad som gör någon populär online till att börja med.