How to Generate Popular Post Headlines on Social Media?

要約

投稿は、ソーシャル メディア上のユーザー作成コンテンツの重要なコンテナとして、多大な社会的影響力と商業的価値を持っています。
投稿の不可欠な要素である見出しは、投稿の人気に決定的な貢献をします。
しかし、見出し生成の現在の主流の方法は依然として手作業であり、不安定で多大な人的労力を必要とします。
これにより、私たちは新しい研究課題を探求するようになりました。それは、ソーシャル メディアで人気のある見出しの生成を自動化できるか?というものです。
中国で有名なソーシャルメディアプラットフォームであるXiaohongshuの公開データから、42,447人の著名人の100万件以上の投稿を収集しています。
次に、これらの投稿の見出しを注意深く観察します。
観察結果は、トレンドや個人のスタイルがソーシャル メディアの見出しに広く浸透しており、投稿の人気に大きく貢献していることを示しています。
これらの洞察に基づいて、複数のプリファレンス抽出機能と双方向自動回帰トランスフォーマー (BART) を組み合わせ、トレンドや個人のスタイルを捉えてソーシャル メディアで人気の見出しを生成する MEBART を紹介します。
私たちは現実世界のデータセットに対して広範な実験を実行し、いくつかの高度なベースラインと比較して最先端のパフォーマンスを実現します。
さらに、アブレーションとケーススタディは、MEBART がトレンドと個人のスタイルを捉える点で進歩していることを示しています。

要約(オリジナル)

Posts, as important containers of user-generated-content pieces on social media, are of tremendous social influence and commercial value. As an integral components of a post, the headline has a decisive contribution to the post’s popularity. However, current mainstream method for headline generation is still manually writing, which is unstable and requires extensive human effort. This drives us to explore a novel research question: Can we automate the generation of popular headlines on social media? We collect more than 1 million posts of 42,447 celebrities from public data of Xiaohongshu, which is a well-known social media platform in China. We then conduct careful observations on the headlines of these posts. Observation results demonstrate that trends and personal styles are widespread in headlines on social medias and have significant contribution to posts’s popularity. Motivated by these insights, we present MEBART, which combines Multiple preference-Extractors with Bidirectional and Auto-Regressive Transformers (BART), capturing trends and personal styles to generate popular headlines on social medias. We perform extensive experiments on real-world datasets and achieve state-of-the-art performance compared with several advanced baselines. In addition, ablation and case studies demonstrate that MEBART advances in capturing trends and personal styles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google