論文の概要: Can you recommend content to creatives instead of final consumers? A RecSys based on user's preferred visual styles

• arxiv url: http://arxiv.org/abs/2208.10902v1
• Date: Tue, 23 Aug 2022 12:11:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-24 12:43:26.154668
• Title: Can you recommend content to creatives instead of final consumers? A RecSys based on user's preferred visual styles
• Title（参考訳）: 最終的な消費者ではなく、クリエイティブにコンテンツを推奨できますか? ユーザの好みのビジュアルスタイルに基づくrecsys
• Authors: Raul Gomez Bruballa, Lauren Burnham-King, Alessandra Sala
• Abstract要約: このレポートは、ACM RecSys '22で発表された論文"Learning Users' Preferred Visual Styles in an Image Marketplace"の拡張である。 ユーザが作業するプロジェクトのセマンティクスに対して視覚スタイルの好みを学習するRecSysを設計する。
• 参考スコア（独自算出の注目度）: 69.69160476215895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Providing meaningful recommendations in a content marketplace is challenging due to the fact that users are not the final content consumers. Instead, most users are creatives whose interests, linked to the projects they work on, change rapidly and abruptly. To address the challenging task of recommending images to content creators, we design a RecSys that learns visual styles preferences transversal to the semantics of the projects users work on. We analyze the challenges of the task compared to content-based recommendations driven by semantics, propose an evaluation setup, and explain its applications in a global image marketplace. This technical report is an extension of the paper "Learning Users' Preferred Visual Styles in an Image Marketplace", presented at ACM RecSys '22.
• Abstract（参考訳）: ユーザーが最終コンテンツ消費者ではないという事実から、コンテンツ市場において有意義な推奨を提供することは困難である。 代わりに、ほとんどのユーザーは、自分が取り組んでいるプロジェクトと関連付けられ、素早く、そして突然変化するクリエイティブな人です。 コンテンツクリエーターにイメージを推奨する難しい課題に対処するため、私たちはRecSysを設計し、ユーザーが作業するプロジェクトのセマンティクスに変換される視覚スタイルの好みを学習する。 セマンティクスによって推進されるコンテンツベースのレコメンデーションと比較してタスクの課題を分析し、評価設定を提案し、そのアプリケーションをグローバルイメージマーケットプレースで説明する。 このテクニカルレポートは、ACM RecSys '22で発表された論文"Learning Users' Preferred Visual Styles in an Image Marketplace"の拡張である。

関連論文リスト

• Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
  調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。 調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
  論文  参考訳（メタデータ） (2024-10-31T07:19:22Z)
• Influencer: Empowering Everyday Users in Creating Promotional Posts via AI-infused Exploration and Customization [11.9449656506593]
  Influenは、初心者クリエイターが高品質なプロモーションポストデザインを作るのを助けるインタラクティブなツールだ。 インフルエンサー内では,ユーザが直感的に新しいアイデアを生成できる多次元レコメンデーションフレームワークをコントリビュートする。 Influentialは、コンテキスト認識の画像とキャプション探索をサポートする総合的なプロモーションポストデザインシステムを実装している。
  論文  参考訳（メタデータ） (2024-07-20T16:27:49Z)
• Empowering Visual Creativity: A Vision-Language Assistant to Image Editing Recommendations [109.65267337037842]
  IER(Image Editing Recommendation)の課題を紹介する。 IERは、入力画像から多様なクリエイティブな編集命令を自動生成し、ユーザの未指定の編集目的を表すシンプルなプロンプトを作成することを目的としている。 本稿では,Creative-Vision Language Assistant(Creativity-VLA)を紹介する。
  論文  参考訳（メタデータ） (2024-05-31T18:22:29Z)
• User Welfare Optimization in Recommender Systems with Competing Content Creators [65.25721571688369]
  本研究では,コンテンツ制作者間での競争ゲーム環境下で,システム側ユーザ福祉の最適化を行う。 本稿では,推奨コンテンツの満足度に基づいて,各ユーザの重みの列を動的に計算する,プラットフォームのためのアルゴリズムソリューションを提案する。 これらの重みはレコメンデーションポリシーやポストレコメンデーション報酬を調整するメカニズムの設計に利用され、それによってクリエイターのコンテンツ制作戦略に影響を与える。
  論文  参考訳（メタデータ） (2024-04-28T21:09:52Z)
• Social Reward: Evaluating and Enhancing Generative AI through Million-User Feedback from an Online Creative Community [63.949893724058846]
  コミュニティ認識の一形態としての社会的報酬は、オンラインプラットフォームのユーザーがコンテンツに関わり、貢献する動機の強い源泉となる。 この作業はパラダイムシフトの先駆者であり、革新的な報酬モデリングフレームワークであるSocial Rewardを発表した。 私たちは、オンラインビジュアル作成と編集プラットフォームであるPicsartから、データセットのキュレーションと洗練の広範な旅に乗り出した。
  論文  参考訳（メタデータ） (2024-02-15T10:56:31Z)
• Tell Me What Is Good About This Property: Leveraging Reviews For Segment-Personalized Image Collection Summarization [3.063926257586959]
  プロパティ・レビューの分析により,プロパティ・ヴィジュアライゼーションの要約におけるユーザの意図を考察する。 視覚的な要約にレビューからの洞察を取り入れることで、ユーザに対して関連コンテンツを提示することで要約を強化する。 人間の知覚研究を含む我々の実験は、我々のクロスモーダルアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2023-10-30T17:06:49Z)
• The Elements of Visual Art Recommendation: Learning Latent Semantic Representations of Paintings [7.79230326339002]
  アートワークのレコメンデーションは、ユーザが非常に主観的なコンテンツとどのように相互作用するかを理解する必要があるため、難しい。 本稿では、パーソナライズされたレコメンデーションのための視覚芸術の要素(すなわち潜在意味関係)を効率よく把握することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-02-28T18:17:36Z)
• Feedback Shaping: A Modeling Approach to Nurture Content Creation [10.31854532203776]
  コンテンツ消費者からのフィードバックがクリエーターにインセンティブを与えるかを予測するためのモデリング手法を提案する。 次に、このモデルを利用して、フィードバック分布を再構築することで、コンテンツクリエーターのニュースフィード体験を最適化する。 我々は、LinkedInのニュースフィードに展開されたユースケースを提示し、消費者の体験を損なうことなく、コンテンツ作成を大幅に改善するためにこのアプローチを使用しました。
  論文  参考訳（メタデータ） (2021-06-21T22:53:16Z)
• User-Inspired Posterior Network for Recommendation Reason Generation [53.035224183349385]
  推奨理由生成は、顧客の関心を惹きつけ、ユーザーエクスペリエンスを向上させる上で重要な役割を果たします。 ユーザインスパイアされたマルチソース後部トランス(MSPT)を提案し,ユーザの興味を反映したモデルを誘導する。 実験の結果,本モデルは従来の生成モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2021-02-16T02:08:52Z)

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。