論文の概要: The Role of "Live" in Livestreaming Markets: Evidence Using Orthogonal
Random Forest
- arxiv url: http://arxiv.org/abs/2107.01629v1
- Date: Sun, 4 Jul 2021 13:50:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-06 15:05:32.580110
- Title: The Role of "Live" in Livestreaming Markets: Evidence Using Orthogonal
Random Forest
- Title（参考訳）: ライブストリーミング市場における「ライブ」の役割--直交ランダムフォレストを用いたエビデンス
- Authors: Ziwei Cong, Jia Liu, Puneet Manchanda
- Abstract要約: 当社は、ライブストリームの前日、前日、後日に、需要がどのように価格に反応するかを見積もっている。
スケジュールされたライブストリーミングデイとそれ以降の時間的距離における需要の価格弾力性には大きなダイナミクスがある。
我々は、その結果を駆動するメカニズムの示唆的な証拠を提示する。
- 参考スコア（独自算出の注目度）: 5.993591729907003
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The common belief about the growing medium of livestreaming is that its value
lies in its "live" component. In this paper, we leverage data from a large
livestreaming platform to examine this belief. We are able to do this as this
platform also allows viewers to purchase the recorded version of the
livestream. We summarize the value of livestreaming content by estimating how
demand responds to price before, on the day of, and after the livestream. We do
this by proposing a generalized Orthogonal Random Forest framework. This
framework allows us to estimate heterogeneous treatment effects in the presence
of high-dimensional confounders whose relationships with the treatment policy
(i.e., price) are complex but partially known. We find significant dynamics in
the price elasticity of demand over the temporal distance to the scheduled
livestreaming day and after. Specifically, demand gradually becomes less price
sensitive over time to the livestreaming day and is inelastic on the
livestreaming day. Over the post-livestream period, demand is still sensitive
to price, but much less than the pre-livestream period. This indicates that the
vlaue of livestreaming persists beyond the live component. Finally, we provide
suggestive evidence for the likely mechanisms driving our results. These are
quality uncertainty reduction for the patterns pre- and post-livestream and the
potential of real-time interaction with the creator on the day of the
livestream.
- Abstract（参考訳）: ライブストリーミングのメディアの成長に関する一般的な信念は、その価値はその"生きた"コンポーネントにある、ということである。
本稿では,大規模ライブストリーミングプラットフォームからのデータを活用し,その信念を検討する。
このプラットフォームでは、視聴者が録画されたライブストリームを購入できるので、これを実現できます。
我々は,ライブストリームの前後における価格に対する需要の反応を推定することで,ライブストリーミングコンテンツの価値を要約する。
我々は、一般化された直交ランダムフォレストフレームワークを提案する。
この枠組みにより、治療方針(すなわち価格)との関係が複雑だが部分的に知られている高次元共同創設者の存在下での異質な治療効果を推定することができる。
スケジュールされたライブストリーミングデイとそれ以降の時間的距離における需要の価格弾力性には大きなダイナミクスがある。
特に、需要は、ライブストリーミングデーに対する時間とともに徐々に価格に敏感になり、ライブストリーミングデーでは弾力性に欠ける。
ライブストリーム後の期間において、需要は価格に敏感であるが、ライブストリーム前の期間よりもずっと少ない。
これはライブストリーミングがライブコンポーネントを超えて持続していることを示している。
最後に、その結果を駆動するメカニズムの示唆的な証拠を提供する。
ライブストリーム前のパターンやライブストリーム後のパターンの品質不確実性が低下し、ライブストリームの日にクリエーターとリアルタイムなインタラクションが行われる可能性がある。
関連論文リスト
- Moment&Cross: Next-Generation Real-Time Cross-Domain CTR Prediction for Live-Streaming Recommendation at Kuaishou [23.590638242542347]
Kuaishouは、大規模なショートビデオおよびライブストリーミングプラットフォームの1つである。
ライブストリーミングのレコメンデーションは,(1)配信に一時的に対応し,(2)フィードバックの遅延で長時間監視し,(3)コンテンツが予測不能で,時間が経つにつれて変化するため,より複雑になる。
論文 参考訳（メタデータ） (2024-08-11T07:00:27Z) - A Multimodal Transformer for Live Streaming Highlight Prediction [26.787089919015983]
ライブストリーミングは、将来のフレームなしで推論し、複雑なマルチモーダルインタラクションを処理するモデルを必要とする。
モーダル信号の時間的シフトを扱うための新しいモーダル時間アライメントモジュールを提案する。
本稿では,大規模データセットから学習し,ユーザの暗黙的なフィードバックを弱い監視信号として活用するための,境界対応Pairwise Lossを提案する。
論文 参考訳（メタデータ） (2024-06-15T04:59:19Z) - MMBee: Live Streaming Gift-Sending Recommendations via Multi-Modal Fusion and Behaviour Expansion [18.499672566131355]
ギフトインタラクションの正確なモデリングは、ユーザのエクスペリエンスを向上するだけでなく、ストリーマーの収益も増大させる。
従来のレコメンデーション問題として,ライブストリーミングギフト予測に関する先行研究がある。
実時間マルチモーダル・フュージョンとビヘイビア・エクスパンジョンに基づくMMBeeを提案する。
論文 参考訳（メタデータ） (2024-06-15T04:59:00Z) - Flash-VStream: Memory-Based Real-Time Understanding for Long Video Streams [78.72965584414368]
人間の記憶機構をシミュレートしたビデオ言語モデルFlash-VStreamを提案する。
既存のモデルと比較して、Flash-VStreamは遅延推論とVRAM消費の大幅な削減を実現している。
本稿では,オンライン動画ストリーミング理解に特化して設計された質問応答ベンチマークであるVStream-QAを提案する。
論文 参考訳（メタデータ） (2024-06-12T11:07:55Z) - FreeNoise: Tuning-Free Longer Video Diffusion via Noise Rescheduling [85.60543452539076]
既存のビデオ生成モデルは、典型的には限られた数のフレームで訓練されており、推論中に高忠実度長ビデオを生成することができない。
本研究では,複数のテキストに条件付けされた長編ビデオを生成するためのテキスト駆動能力の拡張の可能性について検討する。
我々は,事前学習したビデオ拡散モデルの生成能力を高めるため,チューニング不要かつ時間効率のパラダイムであるFreeNoiseを提案する。
論文 参考訳（メタデータ） (2023-10-23T17:59:58Z) - Analyzing Norm Violations in Live-Stream Chat [49.120561596550395]
本研究は,ライブストリーミングプラットフォーム上での会話における規範違反を検出することを目的とした,最初のNLP研究である。
ライブストリームチャットにおける標準違反カテゴリを定義し、Twitchから4,583のコメントを注釈付けします。
以上の結果から,適切なコンテキスト情報がモデレーション性能を35%向上させる可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-18T05:58:27Z) - LiveSeg: Unsupervised Multimodal Temporal Segmentation of Long
Livestream Videos [82.48910259277984]
ライブストリームのチュートリアルビデオは通常数時間、録画され、ライブセッションの直後に直接インターネットにアップロードされるため、他の人がすぐに追いつくのが難しくなる。
アウトラインは有益なソリューションであり、トピックに応じてビデオが時間的にセグメント化される必要がある。
我々は、異なるドメインのマルチモーダル機能を生かした、教師なしのLivestreamビデオテンポラルソリューションLiveSegを提案する。
論文 参考訳（メタデータ） (2022-10-12T00:08:17Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z) - Modeling Live Video Streaming: Real-Time Classification, QoE Inference,
and Field Evaluation [1.4353812560047186]
ReCLiveは、ネットワークレベルの挙動特性に基づいたライブビデオ検出およびQoE計測のための機械学習手法である。
TwitchとYouTubeの約23,000のビデオストリームを分析し、ライブとオンデマンドのストリーミングを区別するトラフィックプロファイルの重要な特徴を特定します。
私たちのソリューションは、ISPにライブビデオストリームの細かい可視性を提供し、ユーザエクスペリエンスの測定と改善を可能にします。
論文 参考訳（メタデータ） (2021-12-05T17:53:06Z) - Intrinsic Temporal Regularization for High-resolution Human Video
Synthesis [59.54483950973432]
時間整合性は、画像処理パイプラインをビデオドメインに拡張する上で重要である。
フレームジェネレーターを介して本質的信頼度マップを推定し,運動推定を調節する,本質的な時間正規化方式を提案する。
我々は、本質的な時間的規制をシングルイメージジェネレータに適用し、強力な「Internet」が512Times512$の人間のアクションビデオを生成します。
論文 参考訳（メタデータ） (2020-12-11T05:29:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。