Fugu-MT 論文翻訳(概要): Let's Get It Started: Fostering the Discoverability of New Releases on Deezer

論文の概要: Let's Get It Started: Fostering the Discoverability of New Releases on Deezer

arxiv url: http://arxiv.org/abs/2401.02827v1
Date: Fri, 5 Jan 2024 14:21:10 GMT
ステータス: 処理完了
システム内更新日: 2024-01-08 14:50:38.869570
Title: Let's Get It Started: Fostering the Discoverability of New Releases on Deezer
Title（参考訳）: 始めよう:Deezerで新しいリリースの発見可能性を高める
Authors: L\'ea Briand and Th\'eo Bontempelli and Walid Bendada and Mathieu Morlon and Fran\c{c}ois Rigaud and Benjamin Chapus and Thomas Bouab\c{c}a and Guillaume Salha-Galvan
Abstract要約: Deezerの編集からパーソナライズされたリリース提案への移行について概説する。オンライン実験によって支援され、推奨品質と新リリースのサービスへの露出の観点から、このシフトの利点について論じる。
参考スコア（独自算出の注目度）: 2.333823337572328
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents our recent initiatives to foster the discoverability of new releases on the music streaming service Deezer. After introducing our search and recommendation features dedicated to new releases, we outline our shift from editorial to personalized release suggestions using cold start embeddings and contextual bandits. Backed by online experiments, we discuss the advantages of this shift in terms of recommendation quality and exposure of new releases on the service.
Abstract（参考訳）: 本稿では,音楽ストリーミングサービスDeezerの新しいリリースの発見可能性を高めるための最近の取り組みについて述べる。新たなリリース専用の検索とレコメンデーション機能を導入した後、コールドスタート埋め込みとコンテキストブレイトを使って、編集からパーソナライズされたリリース提案へのシフトを概説した。オンライン実験によって支援され、推奨品質と新リリースのサービスへの露出の観点から、このシフトの利点について論じる。

関連論文リスト

News Recommendation with Attention Mechanism [3.255950854798191]
我々は,ニュースレコメンデーションのための注目に基づくアプローチであるNRAM(News Recommendation with Attention Mechanism)の実装について述べる。評価の結果,NRAMは,デジタルニュースプラットフォーム上でのニュースコンテンツのパーソナライズ方法を大幅に改善する可能性が示唆された。
論文参考訳（メタデータ） (2024-02-12T05:56:12Z)
Neural Contextual Bandits for Personalized Recommendation [49.85090929163639]
本チュートリアルでは、パーソナライズされたレコメンデーションのための強力なフレームワークとして、コンテキスト帯について検討する。我々は、リコメンデーターシステムにおける「マシュー効果」を緩和するために、文脈的盗賊の探索的視点に焦点を当てる。従来の線形文脈包帯に加えて、我々は神経文脈包帯にも焦点をあてる。
論文参考訳（メタデータ） (2023-12-21T17:03:26Z)
Exploiting Correlated Auxiliary Feedback in Parameterized Bandits [56.84649080789685]
そこで本研究では,学習者が追加の補助的フィードバックを観察できるパラメータ化帯域問題の新たな変種について検討する。補助的なフィードバックは、ユーザのサービス評価(リワード)を観察し、サービス提供時間(補助的なフィードバック)などの追加情報を収集するオンラインプラットフォームなど、多くの現実的なアプリケーションで容易に利用可能である。
論文参考訳（メタデータ） (2023-11-05T17:27:06Z)
Impression-Aware Recommender Systems [57.38537491535016]
新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
論文参考訳（メタデータ） (2023-08-15T16:16:02Z)
Flow Moods: Recommending Music by Moods on Deezer [1.6311150636417262]
Flowアルゴリズムは、Deezer上でパーソナライズされたラジオスタイルの曲のプレイリストを生成する。過去数年間の有望な結果にもかかわらず、Flowはリコメンデーションを提供する際のユーザのムードを無視していた。この制限に対処するFlowの改良版であるFlow Moodsを紹介します。
論文参考訳（メタデータ） (2022-07-15T10:23:09Z)
Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
論文参考訳（メタデータ） (2022-06-26T12:07:56Z)
A Semi-Personalized System for User Cold Start Recommendation on Music Streaming Apps [1.6050172226234583]
本稿では,音楽ストリーミングサービスDeezerに最近導入したシステムについて述べる。このソリューションは、ディープニューラルネットワークアーキテクチャに基づいた半個人化されたレコメンデーション戦略を活用する。本稿では,Deezerにおけるコールドスタートユーザの今後の音楽嗜好を予測する上で,このシステムの実用的影響と有効性について概説する。
論文参考訳（メタデータ） (2021-06-07T17:35:44Z)
ELIXIR: Learning from User Feedback on Explanations to Improve Recommender Models [26.11434743591804]
説明に対するユーザフィードバックをユーザ好みのペアワイズ学習に活用する,ループ内人間フレームワーク ELIXIR を考案した。 elixirは、レコメンデーションと説明のペアに対するフィードバックを活用して、ユーザ固有の潜在選好ベクトルを学習する。このフレームワークは、ランダムウォークとリスタートによる一般化グラフレコメンデーションを用いてインスタンス化される。
論文参考訳（メタデータ） (2021-02-15T13:43:49Z)
Addressing the Cold-Start Problem in Outfit Recommendation Using Visual Preference Modelling [51.147871738838305]
本稿では,新しい視覚的嗜好モデリング手法を活用することで,新規ユーザに対するコールドスタート問題に対処する。機能重み付けクラスタリングによるアプローチの活用を実演し、時事指向の衣装レコメンデーションをパーソナライズする。
論文参考訳（メタデータ） (2020-08-04T10:07:09Z)
Recommending Podcasts for Cold-Start Users Based on Music Listening and Taste [5.429958676933934]
ポッドキャスティングは急速に普及する新興メディアだと考えている。音楽消費行動を用いて、Spotifyユーザーの好みを200万以上のポッドキャストで推定する2つの主要な手法について検討した。その結果,オフラインおよびオンライン両方の実験において,最大50%の消費改善が見られた。
論文参考訳（メタデータ） (2020-07-27T02:55:23Z)
Reward Constrained Interactive Recommendation with Natural Language Feedback [158.8095688415973]
制約強化強化学習(RL)フレームワークを提案する。具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
論文参考訳（メタデータ） (2020-05-04T16:23:34Z)

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。