論文の概要: Beyond the Surface: Uncovering Implicit Locations with LLMs for Personalized Local News

• arxiv url: http://arxiv.org/abs/2502.14660v1
• Date: Thu, 20 Feb 2025 15:55:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-21 17:44:15.198264
• Title: Beyond the Surface: Uncovering Implicit Locations with LLMs for Personalized Local News
• Title（参考訳）: 表面を超えて:パーソナライズされたローカルニュースのためのLLMで不適切な位置情報を発見
• Authors: Gali Katz, Hai Sitton, Guy Gonen, Yohay Kaplan,
• Abstract要約: 本稿では,タボオラの「ホームページ・フォー・ユー」システムにおける局所的な記事分類のためのLarge Language Models(LLM)について検討する。 LLMは、正確性と説明可能性に関する懸念を高めながら、新たな可能性を提供します。 LLMベースの位置分類を統合したスケーラブルなパイプラインにより、ローカルな記事の配布が27%増加した。
• 参考スコア（独自算出の注目度）: 0.2749898166276854
• License:
• Abstract: News recommendation systems personalize homepage content to boost engagement, but factors like content type, editorial stance, and geographic focus impact recommendations. Local newspapers balance coverage across regions, yet identifying local articles is challenging due to implicit location cues like slang or landmarks. Traditional methods, such as Named Entity Recognition (NER) and Knowledge Graphs, infer locations, but Large Language Models (LLMs) offer new possibilities while raising concerns about accuracy and explainability. This paper explores LLMs for local article classification in Taboola's "Homepage For You" system, comparing them to traditional techniques. Key findings: (1) Knowledge Graphs enhance NER models' ability to detect implicit locations, (2) LLMs outperform traditional methods, and (3) LLMs can effectively identify local content without requiring Knowledge Graph integration. Offline evaluations showed LLMs excel at implicit location classification, while online A/B tests showed a significant increased in local views. A scalable pipeline integrating LLM-based location classification boosted local article distribution by 27%, preserving newspapers' brand identity and enhancing homepage personalization.
• Abstract（参考訳）: ニュースレコメンデーションシステムは、ホームページのコンテンツをパーソナライズしてエンゲージメントを高める。 地方紙は地域ごとの報道のバランスをとるが、スラングやランドマークのような暗黙の場所から地域記事を特定することは困難である。 名前付きエンティティ認識(NER)や知識グラフ(Knowledge Graphs)といった従来の手法では、位置を推測するが、Large Language Models(LLMs)は、精度と説明可能性に関する懸念を高めながら、新たな可能性を提供する。 本稿では,タボオラのホームページ・フォー・ユー(Homepage For You)システムにおける地域記事分類のためのLCMについて,従来の手法と比較した。 主な発見点:(1)知識グラフは暗黙的位置を検出するNERモデルの能力を高め、(2)LLMは従来の手法より優れ、(3)LLMは知識グラフの統合を必要とせずにローカルコンテンツを効果的に識別できる。 オフライン評価では,LLMsは暗黙的位置分類で優れ,オンラインA/Bテストでは局所的な視点で顕著に増加していた。 LLMに基づく位置分類を統合したスケーラブルなパイプラインは、新聞のブランド識別を維持し、ホームページのパーソナライズを強化し、地域記事の流通を27%向上させた。

関連論文リスト

• Cascade Learning Localises Discriminant Features in Visual Scene Classification [2.8852708354106507]
  階層的な学習戦略,すなわちカスケード学習(CL)がより局所的な特徴をもたらすことを示す。 ローカライゼーションの精度を考慮すると、CLがE2Eより優れているだけでなく、領域を予測するための有望な方法であることを示す。
  論文  参考訳（メタデータ） (2023-11-21T16:19:14Z)
• Do Localization Methods Actually Localize Memorized Data in LLMs? A Tale of Two Benchmarks [28.46131289972691]
  2つのベンチマークは、記憶データに責任があるコンポーネントをピンポイントするローカライズ手法の能力を評価する。 異なる視点にもかかわらず、我々の2つのベンチマークは5つのローカライゼーション手法の一貫性のあるランキングを得る。
  論文  参考訳（メタデータ） (2023-11-15T15:52:40Z)
• Bagging Regional Classification Activation Maps for Weakly Supervised Object Localization [11.25759292976175]
  BagCAMsは、ローカライゼーションタスクのためのよく訓練された分類器をより良く投影するためのプラグアンドプレイ機構である。 我々のBagCAMは、地域ローカライザの集合を定義するために、提案した地域ローカライザ生成戦略を採用する。 実験により,提案したBagCAMを用いることで,ベースラインWSOL法の性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2022-07-16T03:03:01Z)
• Content Popularity Prediction in Fog-RANs: A Clustered Federated Learning Based Approach [66.31587753595291]
  本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。 ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。 モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
  論文  参考訳（メタデータ） (2022-06-13T03:34:00Z)
• Spatial Likelihood Voting with Self-Knowledge Distillation for Weakly Supervised Object Detection [54.24966006457756]
  自己知識蒸留ネットワーク(SLV-SDネット)を用いたWSODフレームワークを提案する。 SLV-SD Netは、境界ボックスアノテーションなしで領域提案のローカライゼーションを収束させる。 PASCAL VOC 2007/2012およびMS-COCOデータセットの実験は、SLV-SD Netの優れた性能を示している。
  論文  参考訳（メタデータ） (2022-04-14T11:56:19Z)
• L2G: A Simple Local-to-Global Knowledge Transfer Framework for Weakly Supervised Semantic Segmentation [67.26984058377435]
  高品質なオブジェクトアテンションマイニングのための簡易なローカル・グローバルな知識伝達フレームワークであるL2Gについて述べる。 本フレームワークは,グローバルな視点から収集したリッチオブジェクトの詳細知識をグローバルネットワークで学習する。 実験の結果,PASCAL VOC 2012とMS COCO 2014の検証セットにおいて,72.1%,44.2%のmIoU値が得られた。
  論文  参考訳（メタデータ） (2022-04-07T04:31:32Z)
• MTLDesc: Looking Wider to Describe Better [21.81401301082768]
  ローカルディスクリプタを"より広く見えるように"することに注力する。 我々は、MTLDescが非局所的な認識を得られるように、文脈増強と空間的注意機構を活用している。 MTLDescは,HPatches,Aachen Day-Nightローカライゼーション,InLoc屋内ローカライゼーションベンチマークにおいて,最先端のローカルディスクリプタをはるかに上回っている。
  論文  参考訳（メタデータ） (2022-03-14T11:16:05Z)
• Enhancing Prototypical Few-Shot Learning by Leveraging the Local-Level Strategy [75.63022284445945]
  既存の作業では、ローカルレベルの機能をすべて混ぜることで、イメージレベルの機能に基づいた、いくつかのショットモデルを構築することがよくあります。 a) 基地と新規カテゴリーの識別的位置バイアスを回避するための地域非依存のトレーニング戦略,(b) 地域レベルの特徴の正確な比較を捉えるための新しい地域レベルの類似度尺度を提案する。
  論文  参考訳（メタデータ） (2021-11-08T08:45:15Z)
• PGL: Prior-Guided Local Self-supervised Learning for 3D Medical Image Segmentation [87.50205728818601]
  本稿では,潜在特徴空間における局所的一貫性を学習するPGL(PresideedGuided Local)自己教師モデルを提案する。 我々のPGLモデルは、局所領域の特異な表現を学習し、したがって構造情報を保持できる。
  論文  参考訳（メタデータ） (2020-11-25T11:03:11Z)
• Each Part Matters: Local Patterns Facilitate Cross-view Geo-localization [54.00111565818903]
  クロスビューなジオローカライゼーションは、異なるプラットフォームから同じ地理的ターゲットの画像を見つけることである。 既存の手法は通常、画像センター内の地理的ターゲットの微細な特徴をマイニングすることに集中している。 我々は、文脈情報を活用するために、ローカルパターンネットワーク(LPN)と呼ばれるシンプルで効果的なディープニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-08-26T16:06:11Z)

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。