في عالم وسائل الإعلام الرقمية، باتت شعبية الفيديوهات الميكرو (Micro-Videos) عاملاً حاسماً في توجيه توصيات المحتوى وتوزيع الزيارات. لذا، فإن التنبؤ بشعبية هذه الفيديوهات (Micro-Video Popularity Prediction - MVPP) يعتبر من التحديات الكبيرة. التكنولوجيا الحالية تواجه صعوبات في فهم ديناميكيات الزمن (Temporal Dynamics) والتاريخ ذا الصلة (Historical Relevance) بشكل متكامل.

تتسم الأساليب الموجودة بعيوب عديدة؛ على المستوى الزمني، تعتمد على عينات قصيرة النطاق، مما يقيّد فهم المحتوى، وأما على الصعيد المكاني، فهي تعتمد على ذاكرة استرجاع بسيطة ذات سعة محدودة وكفاءة منخفضة، مما يمنع الاستفادة السريعة من المعرفة.

للحد من هذه القيود، تقدم الدراسة إطار عمل موحد يحقق التوسيع المقترن الزماني والمكاني، مما يسمح بفهم دقيق للتسلسلات الطويلة من الفيديوهات مع دعم ذاكرة متسعة يمكن أن تتكيف لدمج جميع الفيديوهات التاريخية ذات الصلة.

تقنياً، يعتمد هذا النظام على توسيع زمني مدفوع بواسطة وحدة تسجيل الدرجات، تقوم باستخراج الإشارات الرئيسية من إطارات الفيديو عبر مسارين تكميليين: عينات غير مكتملة وإدراك كثيف. يتم دمج مخرجاتهما بشكل تكيّفي ليتيح فهماً قوياً للمحتوى الطويل.

أما بالنسبة للتوسيع المكاني، فقد تم بناء ذاكرة مدركة للطوبولوجيا لتكديس المحتوى التاريخي ذي الصلة استناداً إلى العلاقات الطوبولوجية. بدلاً من توسيع سعة الذاكرة مباشرة، يتم تحديث ميزات المشفر الخاصة بالمجموعات المعنية عند دمج فيديوهات جديدة، مما يمَكن من الحفاظ على روابط تاريخية غير محدودة دون الحاجة لنمو تخزين غير محدود.

تم إجراء تجارب مكثفة على ثلاثة مقاييس مستخدمة على نطاق واسع في MVPP، وأكدت النتائج أن أسلوبنا يتفوق باستمرار على 11 نموذجاً قوياً وفقاً لمؤشرات رئيسية، مما يحقق تحسينات ملحوظة في دقة التنبؤ وتناسق الترتيب.