論文の概要: Personality-Driven Social Multimedia Content Recommendation
- arxiv url: http://arxiv.org/abs/2207.12236v1
- Date: Mon, 25 Jul 2022 14:37:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-26 15:29:25.349095
- Title: Personality-Driven Social Multimedia Content Recommendation
- Title（参考訳）: パーソナリティ駆動型ソーシャルマルチメディアコンテンツレコメンデーション
- Authors: Qi Yang, Sergey Nikolenko, Alfred Huang, Aleksandr Farseev
- Abstract要約: 人格特性がコンテンツレコメンデーションモデルに与える影響を,新しいパーソナリティ駆動型マルチビューコンテンツレコメンデーションシステムを適用して検討する。
実験結果と実世界のケーススタディは、PersiCが効率的な人格駆動型マルチビューコンテンツレコメンデーションを行う能力だけでなく、実用的なデジタル広告戦略レコメンデーションを可能にすることを実証している。
- 参考スコア（独自算出の注目度）: 68.46899477180837
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Social media marketing plays a vital role in promoting brand and product
values to wide audiences. In order to boost their advertising revenues, global
media buying platforms such as Facebook Ads constantly reduce the reach of
branded organic posts, pushing brands to spend more on paid media ads. In order
to run organic and paid social media marketing efficiently, it is necessary to
understand the audience, tailoring the content to fit their interests and
online behaviours, which is impossible to do manually at a large scale. At the
same time, various personality type categorization schemes such as the
Myers-Briggs Personality Type indicator make it possible to reveal the
dependencies between personality traits and user content preferences on a wider
scale by categorizing audience behaviours in a unified and structured manner.
This problem is yet to be studied in depth by the research community, while the
level of impact of different personality traits on content recommendation
accuracy has not been widely utilised and comprehensively evaluated so far.
Specifically, in this work we investigate the impact of human personality
traits on the content recommendation model by applying a novel
personality-driven multi-view content recommender system called Personality
Content Marketing Recommender Engine, or PersiC. Our experimental results and
real-world case study demonstrate not just PersiC's ability to perform
efficient human personality-driven multi-view content recommendation, but also
allow for actionable digital ad strategy recommendations, which when deployed
are able to improve digital advertising efficiency by over 420% as compared to
the original human-guided approach.
- Abstract（参考訳）: ソーシャルメディアマーケティングは、ブランドや製品の価値を幅広い聴衆に広める上で重要な役割を担っている。
広告収入を増やすために、Facebook Adsのようなグローバルメディア購入プラットフォームは、ブランド化されたオーガニックな投稿のリーチを絶えず減らし、ブランドが有料メディア広告により多くの費用を費やすように促している。
組織的かつ有償のソーシャルメディアマーケティングを効率的に行うためには、視聴者の関心やオンライン行動に合うようにコンテンツを調整し、大規模に手動で行うことは不可能である。
同時に、マイアーズ・ブリッグス・パーソナリティ・タイプ・インジケータのような様々なパーソナリティ型分類スキームは、パーソナリティ特性とユーザコンテンツ嗜好の依存関係を、統一的で構造化された方法でオーディエンス動作を分類することで、より広いスケールで明らかにすることができる。
この問題は研究コミュニティではまだ深く研究されていないが、コンテンツレコメンデーション精度に対する異なる性格特性の影響のレベルは、これまで広く利用され、包括的に評価されていない。
具体的には,Personality Content Marketing Recommender Engine (PersiC) と呼ばれる新しいパーソナリティ駆動型マルチビューコンテンツレコメンデータシステムを適用し,人格特性がコンテンツレコメンデーションモデルに与える影響について検討する。
実験結果と実世界のケーススタディにより,persicがパーソナリティ駆動型多視点コンテンツ推薦を効率的に行うことができるだけでなく,デジタル広告の効率を従来の人間誘導型アプローチと比較して420%以上向上させることのできる,行動可能なデジタル広告戦略推薦が可能になることが示された。
関連論文リスト
- Bypassing the Popularity Bias: Repurposing Models for Better Long-Tail Recommendation [0.0]
我々は,オンラインコンテンツプラットフォーム上で,パブリッシャー間でより公平な露出分布を実現することを目的としている。
そこで本稿では,産業推薦システムの既存コンポーネントを再利用して,表現不足の出版社に価値ある露出を提供する手法を提案する。
論文 参考訳（メタデータ） (2024-09-17T15:40:55Z) - Empathic Responding for Digital Interpersonal Emotion Regulation via Content Recommendation [0.39321523855648755]
本稿では、コンテンツレコメンデーションを通じて、オンラインプラットフォーム上での対人感情規制を強化するアプローチを提案する。
提案する推薦システムは,システム開始とユーザ開始の感情制御を融合させることが期待される。
この研究はReddit上で1年間に37.5万件のユーザー投稿と対話を収集し、CMAB(Contextual Multi-Armed Bandits)ベースのレコメンデーションシステムを設計した。
論文 参考訳（メタデータ） (2024-08-05T10:27:28Z) - A Multimodal Analysis of Influencer Content on Twitter [40.41635575764701]
個人的な意見と商業的コンテンツの宣伝の線は、しばしばぼやけている。
これにより、インフルエンサー広告に関連する規制コンプライアンス違反の自動検出が困難になる。
我々は15,998のインフルエンサー投稿を商業的および非商業的カテゴリにマッピングした新しいTwitter(現在のX)データセットを紹介した。
論文 参考訳（メタデータ） (2023-09-06T15:07:23Z) - Persuasion Strategies in Advertisements [68.70313043201882]
我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。
次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。
我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
論文 参考訳（メタデータ） (2022-08-20T07:33:13Z) - Contextual Bandits for Advertising Campaigns: A Diffusion-Model
Independent Approach (Extended Version) [73.59962178534361]
拡散ネットワークや情報伝達の仕方を決定するモデルについてはほとんど知られていないと考えられる影響問題について検討する。
この設定では、キャンペーンの実行中に主要な拡散パラメータを学習するために探索-探索アプローチが使用できる。
本稿では,2つの文脈的マルチアーム・バンディットの手法と,インフルエンサーの残りのポテンシャルに対する上限について比較する。
論文 参考訳（メタデータ） (2022-01-13T22:06:10Z) - Ranking Micro-Influencers: a Novel Multi-Task Learning and Interpretable
Framework [69.5850969606885]
マルチメディアコンテンツに基づくマイクロインフルエンサーランキングにおける技術状況を改善するための,新しいマルチタスク学習フレームワークを提案する。
精度とモデルの複雑さの両面で大きな改善が見られた。
この研究で提示されるランキングと解釈のテクニックは、任意のマルチメディアランキングタスクに一般化することができる。
論文 参考訳（メタデータ） (2021-07-29T13:04:25Z) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳（メタデータ） (2021-06-20T10:48:49Z) - Modeling Influencer Marketing Campaigns In Social Networks [2.0303656145222857]
世界の38億人以上がソーシャルメディアを積極的に利用している。
本研究では、インフルエンサー広告キャンペーンのダイナミクスをシミュレートできるエージェントベースモデル(ABM)を提案する。
論文 参考訳（メタデータ） (2021-06-03T11:01:06Z) - SoMin.ai: Personality-Driven Content Generation Platform [60.49416044866648]
世界初のパーソナリティ駆動型マーケティングコンテンツ生成プラットフォームであるSoMin.aiを紹介します。
このプラットフォームは、ディープ・マルチビュー・パーソナリティ・プロファイリング・フレームワークと、スタイル・ジェネレーティブ・敵ネットワークを組み合わせている。
ソーシャルネットワーキングのユーザエクスペリエンスの向上や、コンテンツマーケティングのルーチンに使用できる。
論文 参考訳（メタデータ） (2020-11-30T08:33:39Z)
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。