用大模型分析任天堂主播聊天，发现三类观众行为模式。
Analyzing Pokémon and Mario Streamers' Twitch Chat with LLM-based User Embeddings
- 用LLM将观众消息转为嵌入向量，自动聚类分析。
- 发现所有主播都有支持型观众和表情包发送者两类核心群体。
- 两位主播共现重复刷屏用户，适合社交行为研究者参考。
我们提出一种新的数字人文方法，通过大语言模型（LLM）将Twitch观众的聊天内容转化为用户嵌入表示。利用凝聚性传播算法对这些嵌入进行自动聚类，并通过人工分析进一步细化结果。我们分析了三位主播SmallAnt、DougDoug和PointCrow各自直播中的一场直播聊天记录。研究发现，每位主播都有独特的观众类型，但所有主播的聊天中均出现两类主要群体：支持型观众与频繁发送表情符号及反应消息的观众。此外，重复消息刷屏者在其中两位主播的观众中普遍存在。
原文摘要 · Abstract (English)
We present a novel digital humanities method for representing our Twitch chatters as user embeddings created by a large language model (LLM). We cluster these embeddings automatically using affinity propagation and further narrow this clustering down through manual analysis. We analyze the chat of one stream by each Twitch streamer: SmallAnt, DougDoug and PointCrow. Our findings suggest that each streamer has their own type of chatters, however two categories emerge for all of the streamers: supportive viewers and emoji and reaction senders. Repetitive message spammers is a shared chatter category for two of the streamers.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。