HotComment: 온라인 댓글의 인기도를 평가하기 위한 벤치마크

온라인 댓글은 소셜 미디어에서 공공 여론과 의견 역학을 형성하는 데 중요한 역할을 합니다. 그러나 그 인기도를 평가하는 것은 언어적 질감, 독창성, 정서적 공명뿐만 아니라 플랫폼과 사용자 그룹마다 스타일적 선호도가 크게 달라 동일한 댓글이 다른 커뮤니티에서는 다르게 공명하게 만드는 요인도 있기 때문에 여전히 어려운 과제로 남아있습니다. 본 연구에서는 비디오와 텍스트 모달리티를 통합한 다중모달 벤치마크인 HotComment 를 제시합니다. 이 벤치마크는 (1) 콘텐츠 품질(Content Quality), 즉 지상 진실 인간 댓글과의 의미적 유사성을 평가하고 해석 가능한 네 가지 차원을 통해 품질 평가를 확장하는 것, (2) 인기도 예측(Popularity Prediction), 실제 세계 상호작용 데이터를 기반으로 훈련된 모델의 추세를 기반으로 하는 것, (3) 사용자 행동 시뮬레이션(User Behavior Simulation), 플랫폼 사용자의 분포를 모델링하여 에이전트 기반 프레임워크를 통해 extbf{참여 점수 (engagement scores)} 를 근사하는 것이라는 세 가지 향상된 측면에서 인기도를 포괄적으로 정량화합니다. 또한, 사회적 파동 효과에 영감을 받아 여러 스타일 차원이 조화를 이루어 사회적으로 공명하는 표현을 증폭시키고 불일치하는 표현을 억제하도록 설계된 StyleCmt 를 제안합니다.