論文の概要: Live Multi-Streaming and Donation Recommendations via Coupled Donation-Response Tensor Factorization

• arxiv url: http://arxiv.org/abs/2110.06117v1
• Date: Tue, 5 Oct 2021 21:30:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-17 05:13:27.279262
• Title: Live Multi-Streaming and Donation Recommendations via Coupled Donation-Response Tensor Factorization
• Title（参考訳）: 協調型寄付応答テンソルファクターによるライブマルチストリーミングと寄付勧告
• Authors: Hsu-Chao Lai, Jui-Yi Tsai, Hong-Han Shuai, Jiun-Long Huang, Wang-Chien Lee, De-Nian Yang
• Abstract要約: 我々はMulti-Stream Party (MSP)を導入し、Donation and MSP Recommendation (DAMRec)と呼ばれる新しいマルチストリーミングレコメンデーション問題を定式化する。 提案するマルチストリーム・パーティ・レコメンダ・システム(MARS)は,寄付とMSPの推薦のために,社会的・時間的結合型寄付応答型テンソル・ファクター化を通じて潜在特徴を抽出する。 MARSは、ヒット率と平均精度で、既存のレコメンデーターを少なくとも38.8%上回っている。
• 参考スコア（独自算出の注目度）: 21.924516619721427
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In contrast to traditional online videos, live multi-streaming supports real-time social interactions between multiple streamers and viewers, such as donations. However, donation and multi-streaming channel recommendations are challenging due to complicated streamer and viewer relations, asymmetric communications, and the tradeoff between personal interests and group interactions. In this paper, we introduce Multi-Stream Party (MSP) and formulate a new multi-streaming recommendation problem, called Donation and MSP Recommendation (DAMRec). We propose Multi-stream Party Recommender System (MARS) to extract latent features via socio-temporal coupled donation-response tensor factorization for donation and MSP recommendations. Experimental results on Twitch and Douyu manifest that MARS significantly outperforms existing recommenders by at least 38.8% in terms of hit ratio and mean average precision.
• Abstract（参考訳）: 従来のオンラインビデオとは対照的に、ライブマルチストリーミングは、寄付など複数のストリーマーと視聴者のリアルタイムなソーシャルインタラクションをサポートする。 しかし、複雑なストリーマーと視聴者の関係、非対称なコミュニケーション、個人的関心事とグループ間相互作用のトレードオフにより、寄付やマルチストリーミングチャネルレコメンデーションは困難である。 本稿では,Multi-Stream Party (MSP)を導入し,Donation and MSP Recommendation (DAMRec)と呼ばれる新しいマルチストリーミングレコメンデーション問題を定式化する。 提案するマルチストリーム・パーティ・レコメンダ・システム(MARS)は,寄付とMSPの推薦のために,社会的・時間的結合型寄付応答型テンソル・ファクター化を通じて潜在特徴を抽出する。 twitchとdouyuの実験結果によると、火星はヒット率と平均精度で、既存のレコメンダを38.8%上回っている。

関連論文リスト

• Towards Bridging the Cross-modal Semantic Gap for Multi-modal Recommendation [12.306686291299146]
  マルチモーダルレコメンデーションはレコメンデーションシステムの性能を大幅に向上させる。 既存のマルチモーダルレコメンデーションモデルは、マルチメディア情報伝搬プロセスを利用してアイテム表現を豊かにする。 本稿では,モダリティ間のセマンティックギャップをブリッジし,詳細な多視点セマンティック情報を抽出する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-07T15:56:03Z)
• 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)
• SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion [59.96233305733875]
  時系列予測は、金融、交通管理、エネルギー、医療など様々な分野で重要な役割を果たしている。 いくつかの方法は、注意やミキサーのようなメカニズムを利用して、チャネル相関をキャプチャすることでこの問題に対処する。 本稿では,効率的なモデルであるSOFTS(Series-cOre Fused Time Series forecaster)を提案する。
  論文  参考訳（メタデータ） (2024-04-22T14:06:35Z)
• A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の4.13%が大幅に向上した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• Mirror Gradient: Towards Robust Multimodal Recommender Systems via Exploring Flat Local Minima [54.06000767038741]
  フラットローカルミニマの新しい視点からマルチモーダルリコメンデータシステムの解析を行う。 我々はミラーグラディエント(MG)と呼ばれる簡潔で効果的な勾配戦略を提案する。 提案したMGは、既存の堅牢なトレーニング手法を補完し、多様な高度なレコメンデーションモデルに容易に拡張できることが判明した。
  論文  参考訳（メタデータ） (2024-02-17T12:27:30Z)
• Sequential Recommendation with Controllable Diversification: Representation Degeneration and Diversity [59.24517649169952]
  我々は,表現退化問題は,既存のSR手法における推奨の多様性の欠如の根本原因であると主張している。 Singular sPectrum sMoothing regularization for Recommendation (SPMRec)を提案する。
  論文  参考訳（メタデータ） (2023-06-21T02:42:37Z)
• Aligning Recommendation and Conversation via Dual Imitation [56.236932446280825]
  提案するDICR(Dual Imitation for Conversational Recommendation)は,リコメンデーションパスとユーザ関心シフトパスを明確に整合させる2つの模倣を設計する。 アライメント信号の交換により、DICRはレコメンデーションと会話モジュール間の双方向のプロモーションを実現する。 実験により、DICRは推奨と会話のパフォーマンスに関する最先端モデルよりも、自動的、人的、斬新な説明可能性の指標の方が優れていることが示された。
  論文  参考訳（メタデータ） (2022-11-05T08:13:46Z)
• Diversity Preference-Aware Link Recommendation for Online Social Networks [0.2580765958706854]
  既存のリンクレコメンデーション手法は、ユーザーと類似の友人を推薦する傾向があるが、ユーザの多様性の好みを見落としている。 本稿では,新たなリンク推薦問題として,多様性に配慮したリンク推薦問題を提案する。 次に,新しいリンクレコメンデーション問題の鍵となる特性を分析し,その問題を解決するための新しいリンクレコメンデーション手法を開発した。
  論文  参考訳（メタデータ） (2022-05-21T22:59:00Z)
• Abstractive Sentence Summarization with Guidance of Selective Multimodal Reference [3.505062507621494]
  モーダル間の相互関係を考慮したマルチモーダル階層選択変換器(mhsf)モデルを提案する。 提案したmhsfモデルの汎用性を,事前学習+微調整および新鮮トレーニング戦略を用いて評価した。
  論文  参考訳（メタデータ） (2021-08-11T09:59:34Z)
• Deep Multimodal Fusion by Channel Exchanging [87.40768169300898]
  本稿では,異なるモードのサブネットワーク間で動的にチャネルを交換するパラメータフリーマルチモーダル融合フレームワークを提案する。 このような交換プロセスの有効性は、畳み込みフィルタを共有してもBN層をモダリティで分離しておくことで保証される。
  論文  参考訳（メタデータ） (2020-11-10T09:53:20Z)

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。