c# itextsharp pdfreader not opened with owner password : Add blank page to pdf preview software Library dll windows .net winforms web forms Reichman_The_Quest_for_Content1-part960

11 
These results are even more salient when contrasted with the results concerning closeness 
centrality and the nodes’ average degree. 
(Insert Table 1 about here) 
Video nodes have a higher closeness centrality (low distance), meaning that video nodes 
are, on average, closer than user nodes to any other video in the network. This is consistent with 
the observation that video pages have a higher indegree and outdegree than do user pages, 
probably due to lower levels of activity in the social network compared with the product 
network. If the product nodes and user nodes served the same type of function, such differences 
would lead to a higher betweenness centrality among product nodes than among user nodes. 
However, the opposite is the case: the betweenness centrality is about three times higher for user 
nodes than for product nodes. Taken together, these findings imply that user nodes play an 
important role in bridging different parts of the network and possibly facilitating faster 
exploration of the content space. This suggests that the user-generated links (links connected to 
the user nodes) are different from algorithm-induced nodes of the product network, and the 
combination of the two networks might lead to a superior structure for searches. 
In accordance with the literature on random rewiring, the synthetic network shows a 
significantly lower average distance between products (the two rightmost columns of Table 1). 
However, the betweenness of the user pages in the dual network is about two times that of the 
added dummy-user pages (i.e., random nodes) in the synthetic network. These results suggest 
that the user-generated links encompass implicit characteristics that cannot be easily imitated 
algorithmically. Users seem to be able to create structural variety on their pages and group 
various videos together, reflecting the fact that different videos may be related according to a 
particular user's perception. 
The results regarding assortative mixing are of special interest in this context. In the study 
of complex networks, the term “assortative mixing” refers to a bias in favor of connections 
between network nodes with similar characteristics (also referred to as homophily in the context 
Add blank page to pdf preview - insert pages into PDF file in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Guide C# Users to Insert (Empty) PDF Page or Pages from a Supported File Format
add page number pdf file; add a blank page to a pdf
Add blank page to pdf preview - VB.NET PDF Page Insert Library: insert pages into PDF file in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Easy to Use VB.NET APIs to Add a New Blank Page to PDF Document
add remove pages from pdf; add pdf pages to word
12 
of social networks). We adjust the assortative mixing measure to our context and define it in the 
following way: For a product (i.e., video), the level of assortative mixing is the percentage of 
linked videos (“Related Videos”) that are of the same category. For a user, the level of 
assortative mixing is the percentage of linked videos (“Favorites”) that are of the same category. 
As presented in Table 1, the assortative mixing of a video is on average 56%, meaning a video is 
most likely to be linked to other videos that share its category. Users’ assortative mixing is on 
average 19%, meaning that only about a fifth of a given user’s favorite videos are of the same 
category, that is, user-generated links seem to bridge between categories more than 80% of the 
time. This further supports the finding of the important role of users’ pages as brokers in the 
product network. 
Next, we examine the direct influence of user-generated links on exploration-based search 
efficiency. Can such links “land” video-seekers on new content with more meaningful variety?  
DUAL NETWORK EFFECT ON EXPLORATION - WEB-BASED STUDIES 
In light of our empirical observations, the question that arises is whether the dual network 
can impact consumers’ consumption. Do the structural properties of this network indeed affect 
the efficiency (time needed to find sufficiently interesting content) and effectiveness (overall 
satisfaction from the content) of the exploration process?  
Overview of the Studies 
To examine the role of the dual network, we designed a set of 7 web studies on a YouTube-
like website specially designed and built for this study. The website provides video pages that 
can be viewed using a built-in video player. Each page contains ten links to other videos, 
enabling navigation through the site. The site offers more than 500,000 videos and 
recommendations collected from YouTube.com. For an individual who browses this site, the 
appearance and feeling are identical to what one would experience browsing YouTube.com.  
In study 1 we show that when consumers are allowed to use both recommendations from 
the product network and user-generated links from the social network, they find satisfactory 
C# Word - Insert Blank Word Page in C#.NET
Add and Insert a blank Page to Word File in C#. This C# demo will help you to insert a Word page to a DOCXDocument object at specified position.
add pages to pdf without acrobat; add pages to pdf document
C# PowerPoint - Insert Blank PowerPoint Page in C#.NET
Add and Insert a blank Page to PowerPoint File in C#. This C# demo will help you to insert a PowerPoint page to a DOCXDocument object at specified position.
add a page to a pdf in acrobat; add page to a pdf
13 
content faster than when they are restricted to use of the product network or the user-generated 
links alone. We replicate this finding in three different setups, and we also replicate this study 
(study 1.a) using a dual network from a different website—Last.fm—and obtain similar results.  
In studies 2 to 4 we rule out a variety of alternative explanations for the superior 
performance of the dual network. In study 2 we rule out the explanation that the dual network is 
superior merely because it adds variety through its recommendations; in study 3 we rule out the 
possibility that the dual network merely points to content of higher quality; in study 4 we rule 
out an alternative explanation that labeling, and specifically, the personal nature of the generated 
links, drives the results of study 1. 
Next, in studies 5 to 7 we show that use of a dynamic recommendation strategy, in which 
users are exposed to different types of links at different times, significantly increases the effects 
of the linked network.  
Study 1: The Effect of the Dual Network on Exploration-based Search 
To examine the effect of the network structure on exploration efficiency and effectiveness, 
we first presented participants with different sources of recommendations, enabling 
recommendations from the product network alone, from user-generated links alone and from the 
dual network.    
Method. In this study we asked 620 individuals (48% female, mean age 25.9) to watch 
videos for about 15 minutes and assign a rating from one star ("Poor") to five stars 
("Awesome!") to each video they watched (this was the same rating system that was being used 
on YouTube at the time of data collection). After watching one video, the participant was free to 
choose the next video out of a list of recommendations and was subsequently presented with the 
video of his or her choice (with its corresponding recommendation links). The entire navigation 
experience was designed to be exactly as on YouTube. Tasks were submitted as human 
intelligence tasks (HITs) to Amazon Mechanical Turk (MTurk). Every individual was asked to 
browse the study webpage corresponding to the assigned scenario. Participants were required to 
C# Create PDF Library SDK to convert PDF from other file formats
Add necessary references: RasterEdge.Imaging.Basic.dll. using RasterEdge.XDoc.PDF; Create a new PDF Document with one Blank Page in C# Project.
add page to pdf; add page numbers to pdf in reader
C# Word - Process Word Document in C#
are able to create a new Word document with blank page, or you control, developers are able to split a multi-page Word document C#.NET: Add & Insert Word Page.
adding page numbers to pdf in reader; add a page to a pdf file
14 
complete the entire task, watching videos for approximately 15 minutes, in order to receive 
payment. Each participant received $1.5 upon completing the task. We excluded from our 
analysis participants who watched fewer than 4 videos and those who watched more than 25 
videos, assuming neither group could be counted as representative of exploration. Out of 620 
participants we removed 15 participants based on these criteria (2.4%). 
We randomly assigned each participant to one of three possible versions of this website: 
1. Product (Video) network (hereafter condition C1.1): Under this scenario, users of 
thewebsite were offered, alongside each video they viewed, ten recommendations based on 
the YouTube product network only ("Related Videos" as suggested by YouTube). Those 
recommendations were presented under the label "Related Videos". It is important to note 
that we did not alter YouTube's recommendations, and that they therefore reflect the results 
of the site’s recommendation algorithm. An illustration of this scenario is presented in 
Figure 4(a). 
2. Dual network (condition C1.2): Under this scenario, users of the website were offered 
two types of recommendations, both based on the YouTube dual network. Under the label 
"Related Videos" they were offered five recommendations based on the YouTube product 
network, and under the label "People who liked this also liked" they were offered five 
recommendations of videos marked as "favorites" by a single user who had also marked the 
featured video as a favorite. This user was randomly selected from all users who marked the 
presented video as a "favorite". An illustration of this scenario is presented in Figure 4(b). 
3. User-generated links only (condition C1.3): Under this scenario, users of the website 
were offered ten recommendations based only on user-generated links. That is, the 
recommendations are videos marked as "favorites" by a single user who had also marked the 
featured video as a favorite. This user was randomly selected from all users who marked the 
presented video as a "favorite". All recommendations were presented under the label "People 
who liked this also liked". An illustration of this scenario is presented in Figure 4(c). 
C# PowerPoint - How to Process PowerPoint
our C#.NET PowerPoint processing control, you are able to create a new PowerPoint document with blank page, or you can Add & Insert PowerPoint Page/Slide in C#.
add page to pdf preview; add page to pdf in preview
VB.NET PDF url edit library: insert, remove PDF links in vb.net
Make PDF link open in a new window, blank page or tab. By using specific PDF editing APIs, VB.NET users will be able to add a url to specified area on PDF
adding page numbers to pdf documents; add multi page pdf to word document
15 
(Insert Figure 4 about here) 
Analysis and results. As a first step we studied the effects of the different conditions (i.e., 
different networks) on the successful conclusion of an exploration process. We followed 
duration model theory and used a hazard-rate model where the hazard rate h(t) was the 
probability of finding "good" content. In the context of this work, the "event" occurred when a 
user rated a video as "4" or "5" stars (out of 5) for the first time
We first estimated a non-parametric Kaplan-Meier maximum likelihood estimation of the 
survival function (Kaplan and Meier 1958). The Kaplan-Meier curves for the three conditions 
are shown in Figure 5. The curve of the dual-network condition is consistently lower than those 
of the product-network and the user-generated-links-only conditions (the hazard ratios are 1.283 
for the dual-network condition and 0.886 for the user-generated-links condition, where the 
product network condition serves as a baseline hazard, p < 0.05). That is, the time to the event 
(finding a liked video) seems to be shorter when using the dual network. Moreover, as the 
exploration time increases, the curves appear to get even further apart, suggesting that the 
benefits of the dual network over the other structures are greater over time. 
(Insert Figure 5 about here) 
On the basis of these results, we defined the hazard function h(t) as the instantaneous 
potential per second for the event (rating of "4" or "5") to occur, given that it has not happened 
up to time t (Kleinbaum and Klein 2005): 
h
t
ൌexpቐα
൅෍α
Treatment
୧୨
୨ୀଵ
൅෍β
Demographic
୧୩
୩ୀଵ
൅෍γ
VideoInfo
୧୪
୪ୀଵ
ቑ 
The "Treatment" variables included a dummy for each condition, excluding the product 
network condition, which served as the baseline. The demographic data included gender, age, 
and self-reported level of familiarity with the YouTube website. The video information included 
the rating of the first video presented to the user (rated by the general YouTube audience) and a 
dummy for whether it was popular or not (watched over 30 million times).  
C# Image: View & Operate Web Page Using .NET Doc Image Web Viewer
Support multiple document and image formats, like PDF and TIFF; Thumbnail images will Using the AddPage API, C# developers can add a new blank page prior to
adding page to pdf in preview; add page numbers to a pdf file
C# PowerPoint - PowerPoint Creating in C#.NET
Add necessary XDoc.PowerPoint DLL libraries into your created C# application as references. Create New PowerPoint Document With One Blank Page in C# Project.
adding page numbers to pdf document; add page number to pdf print
16 
We used the Cox proportional hazards model (Cox 1972) to estimate the effect of the 
covariates on the hazard rate
7
. The findings are shown in Table 2. Column A shows the effect of 
the different conditions; column B adds demographics of the participants; and column C adds 
information about the YouTube video that began the exploration process. The latter estimation 
is based on the notion that the source of the exploration process may influence the time it takes 
to find "good" content. 
All estimations clearly show that use of the dual network is associated with an increase in 
the odds ratio under all model specifications (the baseline model being the product network 
condition). That is, participants under the dual network condition find "good" content faster. 
Specifically, the hazard for the dual network participants is about 30% higher than the hazard 
for the product network group. Notably, exploration efficiency in the network containing user-
generated links only is no better than in the product network and is worse than in the dual 
network. 
While many of our control variables (including age, video information, familiarity with 
YouTube, and the rating of the first video) are not statistically significant, we find that gender 
has an effect on the hazard (columns B and C). We have also replicated this analysis including 
an interaction term, but with no significant results.  
(Insert Table 2 about here) 
The Effect on Overall Exploration Effectiveness 
The hazard model focuses on the time until the first liked video (exploration efficiency), 
which can be thought of as a purchase, or conversion of the exploration process. It is important 
to note that many content websites' revenues are based on advertising, and it may be in their best 
interest to engage the user with the website for a longer period of time. Hence, we are also 
interested in studying the overall satisfaction of the user as well as her satisfaction over the 
course of the exploration. We therefore computed two additional variables for each user: 
 AverageRating: the average video rating given by the focal user 
C# Word - Word Creating in C#.NET
C# DLLs: Word Creating. Add references: RasterEdge.Imaging.Basic.dll. using RasterEdge.XDoc.Word; Create New Word Document With One Blank Page in C# Project.
add page number to pdf; add and delete pages from pdf
17 
 HighRankingScore: the proportion of highly ranked videos (ratings of 4-5 stars) out of 
all videos watched by the focal user. 
Using a post-hoc ANOVA (Fisher's least significant difference test) we found that the 
AverageRating of participants in the dual network condition was significantly higher than that of 
participants in the product network and user generated links conditions (2.95, 2.74 and 2.73 
respectively; p < 0.05). As shown in Figure 6(a), we obtained similar results for 
HighRankingScore; participants in the dual network condition had a higher proportion of high 
rankings than did participants in the other two conditions (p < 0.05 using post hoc ANOVA). 
We observed no significant difference in either the AverageRating or the HighRankingScore 
between participants in the product network condition and those in the user-generated links 
condition. 
(Insert Figure 6 about here) 
We also asked participants to rate their overall experience with the website (on a scale of 1 
to 10). Comparing those ratings across conditions we found that users under the dual-network 
condition had a significantly higher overall satisfaction rating (6.91) than did users in the other 
two conditions (6.01 under the product network and 5.92 under the user-generated links 
condition, p < 0.01). These results are presented in Figure 6(b).  
For robustness we extended the analysis to include OLS regression to estimate the effect of 
the treatments as well as other observed covariates on each of the following dependent 
variables: AverageRating, HighRankingScore and overall satisfaction. We estimated the 
following equations: 
i. 
AverageRating
i
ൌα
α
Treatment
୧୨
୨ୀଵ
β
Demographic
୧୩
୩ୀଵ
γ
VideoInfo
୧୪
୪ୀଵ
ii. 
HighRankingScoreሺiሻൌα
൅∑
α
Treatment
୧୨
୨ୀଵ
൅∑
β
Demographic
୧୩
୩ୀଵ
൅∑
γ
VideoInfo
୧୪
୪ୀଵ
iii. 
Satisfaction
i
ൌα
α
Treatment
୧୨
୨ୀଵ
β
Demographic
୧୩
୩ୀଵ
γ
VideoInfo
୧୪
୪ୀଵ
18 
As shown in Table 3, the effect of the dual network treatment is consistently significant and 
positive on all measures. The user-generated-links-only condition (C1.3) has no significant 
effect on any of these indices, which further supports our hypothesis. 
(Insert Table 3 about here) 
Additionally, we analyzed the average number of videos watched by participants in each 
condition. Our results show that participants who used the dual network condition tended to 
watch on average, fewer videos compared with participants in the other conditions (9 videos 
compared to 10.4 videos, p < 0.01). Since participants were not required to watch each video in 
its entirety and were able to move on to subsequent videos before reaching the end of the 
previous video, this may indicate that dual-network participants liked the videos presented to 
them and hence spent more time viewing each video. We therefore extended the analysis by 
looking at the average amount of time each participant spent watching each video. We found 
that, as expected, participants of the dual network condition spent more time watching each 
video than participants in the other conditions (126.7 seconds compared to 109.6 seconds, 
p<0.01). This interesting observation further supports our findings that the dual network not 
only helps users find interesting content faster, but it also serves more interesting content 
throughout the process. 
The Effect on Exploration Stickiness 
As mentioned, it may be in the website's best interest to engage the user with the website for 
a longer period of time. We have therefore also investigated the effect of the different conditions 
on the propensity of users to continue using the website. 
First, we asked participants about their willingness to continue the use of the website (on a 
scale of 1-10). We find that participants who used the dual network condition ranked their 
willingness to continue significantly higher (6.81) than participants in the other two conditions 
(6.31 in the product network condition and 6.34 in the user-generated-links condition; p < 0.05). 
19 
In addition, we subsequently altered the design of the website, allowing users to stop their 
exploration at any point in time during the experiment and quit. We used this website design in 
two settings: in one we offered the same payment of $1.50 regardless of the time spent on the 
website, and in the other the payment to the participant was composed of a basic payment of 
$0.50 and additional payment as a function of the time spent on the website (10¢ per minute up 
to $1.50). Results of this study show that participants of the dual network are significantly less 
likely to use the option to leave the website (15% compared to 35% in the product network 
condition; p < 0.01). Interestingly, even among those who chose to leave the website, 
participants of the dual network spent more time on the website before choosing to leave it (10.3 
minutes compared to 7.6 minutes in the product network condition; p < 0.01). 
Taken together, these results indicate that users who used the dual network for content 
exploration were likely to more quickly find content that matched their preferences, and that 
they had overall higher satisfaction, and reported stronger willingness to continue the 
exploration process. 
Replication: In order to make sure that this was a broad phenomenon, not confined only to 
the setting and subjects of Amazon’s Mechanical Turk, we replicated the same study in a 
laboratory setting. We randomly assigned 351 undergraduate and MBA students (mean age 
24.5, 51.5% females) to the same conditions described above. The same analyses were 
performed and yielded essentially the same results, increasing the validity of the general 
proposition that user-generated links add value to the exploration process. 
Study 1.a. Replicating the Experiment Using Last.fm data 
To test whether the effect found in study 1 is unique to YouTube.com, we replicated the 
experiment using data from the Last.fm website. Last.fm is a leading music website that offers 
song recommendations to its more than 40 million users. In the Last.fm product network, each 
node is a song, and these nodes are linked by the website’s recommendation system (links are 
presented under the title, "similar tracks"). Registered users in Last.fm are able to create 
20 
personal webpages and to connect their webpages to those of other users. Users can also create 
user-generated links to songs. This structure is a dual network as explained above; hence, it is 
suitable for testing our hypothesis and verifying the robustness of our findings outside YouTube. 
Moreover, as the Last.fm website focuses on music and offers mainly proprietary content and 
not user-generated content, it provides us with an opportunity to test our conjecture outside the 
user-generated content domain. 
We collected data for a random sample of 50,000 users, 150,000 song tracks and over 
1,000,000 links between them from the Last.fm website. Almost every track on Last.fm has an 
embedded link to a YouTube video of that song. We replicated the experiment described in 
study 1, using the Last.fm dual network and the Last.fm product network. We asked 120 
individuals (47% female, mean age 29.7) to watch music clips for about 15 minutes and assign a 
similar rating ranging from one star ("Poor") to five stars ("Awesome!") to each clip. We 
randomly assigned each participant to one of two possible conditions: C1a.1—the Last.fm 
product network, and C1a.2—the Last.fm dual network. Note that to be able to use the same 
experimental design, we presented participants with the video version of each song and not the 
audio version. The recommendations (links) of both the dual network and the product network 
were taken from the Last.fm website; no changes were made to the Last.fm network structure.  
We repeated the analysis of study 1. First, we performed a survival analysis using the Cox 
proportional hazard model, estimating the effect of each condition on the hazard function. We 
found that the hazard ratio for the dual-network condition was consistently higher than that of 
the product network (1.527, p < 0.05). Second, looking at the effect on the overall exploration 
effectiveness, we observed that the average rating of participants of the dual network was 
significantly higher than the average of participants of the product network (2.94 for the dual 
network, compared to 2.61 for the product network, p < 0.05). Furthermore, the overall 
satisfaction of the dual network participants was significantly higher than that of the product 
Documents you may be interested
Documents you may be interested