論文の概要: A Framework for Ranking Content Providers Using Prompt Engineering and Self-Attention Network

• arxiv url: http://arxiv.org/abs/2409.11511v1
• Date: Tue, 17 Sep 2024 19:25:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 15:26:50.715849
• Title: A Framework for Ranking Content Providers Using Prompt Engineering and Self-Attention Network
• Title（参考訳）: Prompt Engineering と Self-Attention Network を用いたコンテンツ提供者ランキング作成フレームワーク
• Authors: Gosuddin Kamaruddin Siddiqi, Deven Santhosh Shah, Radhika Bansal, Askar Kamalov,
• Abstract要約: 本稿では,クリックやリアクションなどの明示的なユーザフィードバックと,書き込みスタイルやパブリッシュ頻度などのコンテンツベースの特徴を活用して,あるトピックのコンテンツプロバイダをランク付けするフレームワークを提案する。 オンライン実験を用いて,本フレームワークの評価を行い,ユーザが推奨するコンテンツの質,信頼性,多様性を向上できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper addresses the problem of ranking Content Providers for Content Recommendation System. Content Providers are the sources of news and other types of content, such as lifestyle, travel, gardening. We propose a framework that leverages explicit user feedback, such as clicks and reactions, and content-based features, such as writing style and frequency of publishing, to rank Content Providers for a given topic. We also use language models to engineer prompts that help us create a ground truth dataset for the previous unsupervised ranking problem. Using this ground truth, we expand with a self-attention based network to train on Learning to Rank ListWise task. We evaluate our framework using online experiments and show that it can improve the quality, credibility, and diversity of the content recommended to users.
• Abstract（参考訳）: 本稿では,コンテンツ推薦システムにおけるコンテンツ提供者ランキングの問題に対処する。 コンテンツプロバイダはニュースのソースであり、ライフスタイル、旅行、ガーデニングなど他のタイプのコンテンツである。 本稿では,クリックやリアクションなどの明示的なユーザフィードバックと,書き込みスタイルやパブリッシュ頻度などのコンテンツベースの特徴を活用して,あるトピックのコンテンツプロバイダをランク付けするフレームワークを提案する。 また、言語モデルを使って、以前の教師なしランキング問題に対する基礎的な真理データセットを作成するのに役立つプロンプトを設計します。 この基礎的真理を利用して、自己注意に基づくネットワークを拡張して、Learning to RankWiseタスクのトレーニングを行う。 オンライン実験を用いて,本フレームワークの評価を行い,ユーザが推奨するコンテンツの質,信頼性,多様性を向上できることを示す。

関連論文リスト

• Multi-Facet Counterfactual Learning for Content Quality Evaluation [48.73583736357489]
  コンテンツ品質評価の複数の側面を知覚する評価器を効率的に構築する枠組みを提案する。 我々は,コントラスト学習と教師付き学習に基づく共同学習戦略を活用し,評価者が異なる品質面を区別できるようにする。
  論文  参考訳（メタデータ） (2024-10-10T08:04:10Z)
• 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)
• Uncovering the Interaction Equation: Quantifying the Effect of User Interactions on Social Media Homepage Recommendations [0.5030361857850012]
  これまでのユーザーインタラクションが、YouTube、Reddit、X(旧Twitter)の3大プラットフォームにわたるユーザーのホームページフィードに提示されたコンテンツにどのように影響するかを調査する。 我々は、ホームページコンテンツに対する特定のユーザーインタラクションの影響を明らかにすることのできるデータを収集するために、慎重に設計された一連の実験を使用する。 本研究は,各プラットフォームが使用するコンテンツキュレーションアルゴリズムの動作,ユーザインタラクションに対する反応,および特定のトピックの優先順位付けの証拠を明らかにする。
  論文  参考訳（メタデータ） (2024-07-09T20:47:34Z)
• Backtracing: Retrieving the Cause of the Query [7.715089044732362]
  本稿では,ユーザクエリを最も引き起こす可能性のあるテキストセグメントをシステムで検索する,バックトラシングのタスクを紹介する。 人気情報検索手法と言語モデリング手法のゼロショット性能を評価する。 以上の結果から,後方追跡には改善の余地があり,新たな検索手法が必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-06T18:59:02Z)
• Content Prompting: Modeling Content Provider Dynamics to Improve User Welfare in Recommender Ecosystems [14.416231654089994]
  我々は、この情報にコンテンツプロンプトポリシーで非対称に取り組みます。 コンテンツプロンプト(Content prompt)は、RSが未使用ユーザーの要求を予測する新しいコンテンツを作成するためのヒントまたは提案である。 我々は,利用者の社会的福祉を均衡的に最適化するコンテンツを提供できるように,提供者の集合を誘導する共同推進政策を決定することを目的とする。
  論文  参考訳（メタデータ） (2023-09-02T13:35:11Z)
• Incentivizing High-Quality Content in Online Recommender Systems [80.19930280144123]
  プロデューサー間のゲームについて検討し、均衡で作成されたコンテンツを分析する。 HedgeやEXP3のような標準的なオンライン学習アルゴリズムは、残念なことにプロデューサに低品質コンテンツを作る動機を与えています。
  論文  参考訳（メタデータ） (2023-06-13T00:55:10Z)
• Can you recommend content to creatives instead of final consumers? A RecSys based on user's preferred visual styles [69.69160476215895]
  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。
  論文  参考訳（メタデータ） (2022-08-23T12:11:28Z)
• FEBR: Expert-Based Recommendation Framework for beneficial and personalized content [77.86290991564829]
  推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。 このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。 ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
  論文  参考訳（メタデータ） (2021-07-17T18:21:31Z)
• 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)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)
• Context-Based Quotation Recommendation [60.93257124507105]
  本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。 これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。 音声テキストと関連するニュース記事の収集実験を行う。
  論文  参考訳（メタデータ） (2020-05-17T17:49:53Z)

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。