論文の概要: TIM: Temporal Interaction Model in Notification System
- arxiv url: http://arxiv.org/abs/2406.07067v1
- Date: Tue, 11 Jun 2024 08:53:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-12 16:44:39.038031
- Title: TIM: Temporal Interaction Model in Notification System
- Title（参考訳）: TIM:通知システムにおける時間的相互作用モデル
- Authors: Huxiao Ji, Haitao Yang, Linchuan Li, Shunyu Zhang, Cunyi Zhang, Xuanping Li, Wenwu Ou,
- Abstract要約: 本稿では,短時間のビデオアプリケーションKuaishouにおいて,CTRを1日ごとの時間帯で推定することにより,ユーザの行動パターンをモデル化するTIMを提案する。
TIMはユーザ行動を予測するための信頼性の高いツールであり,不適切な障害を引き起こすことなく,ユーザのエンゲージメントを著しく向上させる。
- 参考スコア（独自算出の注目度）: 6.377444652197526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern mobile applications heavily rely on the notification system to acquire daily active users and enhance user engagement. Being able to proactively reach users, the system has to decide when to send notifications to users. Although many researchers have studied optimizing the timing of sending notifications, they only utilized users' contextual features, without modeling users' behavior patterns. Additionally, these efforts only focus on individual notifications, and there is a lack of studies on optimizing the holistic timing of multiple notifications within a period. To bridge these gaps, we propose the Temporal Interaction Model (TIM), which models users' behavior patterns by estimating CTR in every time slot over a day in our short video application Kuaishou. TIM leverages long-term user historical interaction sequence features such as notification receipts, clicks, watch time and effective views, and employs a temporal attention unit (TAU) to extract user behavior patterns. Moreover, we provide an elegant strategy of holistic notifications send time control to improve user engagement while minimizing disruption. We evaluate the effectiveness of TIM through offline experiments and online A/B tests. The results indicate that TIM is a reliable tool for forecasting user behavior, leading to a remarkable enhancement in user engagement without causing undue disturbance.
- Abstract（参考訳）: 現代のモバイルアプリケーションは、日々のアクティブユーザーを獲得し、ユーザーエンゲージメントを高めるために通知システムに大きく依存している。
ユーザーに積極的にリーチできるシステムでは、いつユーザーに通知を送るかを決める必要がある。
多くの研究者が通知のタイミングを最適化するために研究してきたが、ユーザーの行動パターンをモデル化することなく、ユーザのコンテキストの特徴のみを利用した。
さらに、これらの取り組みは個々の通知のみに焦点を当てており、複数の通知の全体的タイミングを一定期間内に最適化する研究は不足している。
これらのギャップを埋めるために、短いビデオアプリケーションKuaishouにおいて、1日毎にCTRを推定することで、ユーザの行動パターンをモデル化するTIM(Temporal Interaction Model)を提案する。
TIMは、通知レシート、クリック、ウォッチタイム、効果的なビューなどの長期的なユーザ履歴のインタラクションシーケンス機能を活用し、時間的注意ユニット(TAU)を使用してユーザーの行動パターンを抽出する。
さらに,混乱を最小限に抑えつつ,ユーザのエンゲージメントを向上させるために,全体的通知の時間制御を行うエレガントな戦略を提供する。
オフライン実験とオンラインA/BテストによるTIMの有効性を評価する。
以上の結果から,TIMはユーザの行動を予測する信頼性の高いツールであり,不適切な乱れを生じさせることなく,ユーザのエンゲージメントを著しく向上させることが示唆された。
関連論文リスト
- Prompt Tuning as User Inherent Profile Inference Machine [53.78398656789463]
本稿では,ユーザプロファイルの推測にプロンプトチューニングを用いるUserIP-Tuningを提案する。
プロファイル量子化コードブックは、プロファイル埋め込みによるモダリティギャップを協調IDにブリッジする。
4つの公開データセットの実験では、UserIP-Tuningは最先端のレコメンデーションアルゴリズムを上回っている。
論文 参考訳（メタデータ） (2024-08-13T02:25:46Z) - Counteracting Duration Bias in Video Recommendation via Counterfactual Watch Time [63.844468159126826]
視聴時間の予測は時間のバイアスに悩まされ、ユーザーの興味を正確に反映する能力を妨げる。
対実時計モデル (CWM) が提案され、CWTはユーザーがビデオレコメンデーションシステムから最大限の利益を得る時間に等しいことを示した。
論文 参考訳（メタデータ） (2024-06-12T06:55:35Z) - Tell Me More! Towards Implicit User Intention Understanding of Language
Model Driven Agents [110.25679611755962]
現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。
Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。
私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
論文 参考訳（メタデータ） (2024-02-14T14:36:30Z) - SeGA: Preference-Aware Self-Contrastive Learning with Prompts for
Anomalous User Detection on Twitter [14.483830120541894]
本稿では,ユーザの異常検出のための自己コントラスト学習であるSeGAを提案する。
SeGAは、投稿を通じてユーザの好みを要約するために、大きな言語モデルを使用する。
モデル設計と事前学習戦略の有効性を実証的に検証する。
論文 参考訳（メタデータ） (2023-12-17T05:35:28Z) - A State Transition Model for Mobile Notifications via Survival Analysis [10.638942431625381]
通知の有効性を定量的に評価する状態遷移フレームワークを提案する。
ログ線形構造とワイブル分布を仮定したバッジ通知のサバイバルモデルを構築した。
この結果は,ロジスティック回帰モデルよりもアプリケーションの柔軟性が高く,予測精度が優れていることを示す。
論文 参考訳（メタデータ） (2022-07-07T05:38:39Z) - Sampling Is All You Need on Modeling Long-Term User Behaviors for CTR
Prediction [15.97120392599086]
textbfM(textbfSampling-based textbfDeep textbfModeling)を提案する。
提案手法は, 長期ユーザ行動のモデル化において, 標準的な注意モデルと同等に機能することが理論的, 実験的に示されている。
論文 参考訳（メタデータ） (2022-05-20T15:20:52Z) - Should I send this notification? Optimizing push notifications decision
making by modeling the future [4.476351684070796]
最も推奨されるシステムは、ユーザの即時応答に基づいて最適化されるミオピック(myopic)である。
これは、長期的なユーザ満足度の作成など、真の目標と誤解する可能性がある。
この作業では,特に推奨システム決定の長期的な影響が強いモバイルプッシュ通知に重点を置いています。
論文 参考訳（メタデータ） (2022-02-17T18:27:17Z) - Multi-Interactive Attention Network for Fine-grained Feature Learning in
CTR Prediction [48.267995749975476]
クリックスルー率(ctr)予測シナリオでは、ユーザのシーケンシャルな動作を利用してユーザの関心を捉える。
既存の手法は主にユーザの行動に注意を払っているが、CTR予測には必ずしも適していない。
マルチインタラクティブ・アテンション・ネットワーク (MIAN) を提案し, 各種微細な特徴間の潜在関係を総合的に抽出する。
論文 参考訳（メタデータ） (2020-12-13T05:46:19Z) - Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。
ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
論文 参考訳（メタデータ） (2020-08-06T19:08:05Z) - Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。
また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。
提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
論文 参考訳（メタデータ） (2020-05-18T11:29:38Z)
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。