• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Annual CHI Conference on Human Factors in Computing Systems >Speak Little and Well: Recommending Conversations in Online Social Streams
【24h】

Speak Little and Well: Recommending Conversations in Online Social Streams

机译：说得很少和吻：推荐在线社交流中的对话

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Conversation is a key element in online social streams such as Twitter and Facebook. However, finding interesting conversations to read is often a challenge, due to information overload and differing user preferences. In this work we explored five algorithms that recommend conversations to Twitter users, utilizing thread length, topic and tie-strength as factors. We compared the algorithms through an online user study and gathered feedback from real Twitter users. In particular, we investigated how users' purposes of using Twitter affect user preferences for different types of conversations and the performance of different algorithms. Compared to a random baseline, all algorithms recommended more interesting conversations. Further, tie-strength based algorithms performed significantly better for people who use Twitter for social purposes than for people who use Twitter for informational purpose only.
机译：对话是在线社交流中的关键元素，如推特和Facebook。但是，由于信息过载和不同的用户偏好，查找要读取的有趣对话通常是一个挑战。在这项工作中，我们探讨了五种算法，该算法推荐给Twitter用户的对话，利用螺纹长度，主题和绑定力作为因素。我们将算法与在线用户学习和从真实的Twitter用户收集反馈进行比较。特别是，我们调查了用户使用Twitter的目的如何影响不同类型的对话和不同算法的性能的用户偏好。与随机基线相比，所有算法都建议更有趣的对话。此外，基于领带强度的算法对于使用Twitter进行社交目的的人来说显着更好地表现优于使用Twitter仅供参与信息目的的人。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号