論文の概要: Exploiting Fine-Grained Skip Behaviors for Micro-Video Recommendation

• arxiv url: http://arxiv.org/abs/2504.03107v1
• Date: Fri, 04 Apr 2025 01:25:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:46:57.609949
• Title: Exploiting Fine-Grained Skip Behaviors for Micro-Video Recommendation
• Title（参考訳）: マイクロビデオレコメンデーションのための細粒度スキップの爆発挙動
• Authors: Sanghyuck Lee, Sangkeun Park, Jaesung Lee,
• Abstract要約: この研究は、最初の数秒間のマイクロビデオの重要性に動機づけられている。 我々は、短時間で発生するスキップ相互作用を負として分類する一方、遅延後に発生するインタラクションは、より肯定的でないものとして分類する。
• 参考スコア（独自算出の注目度）: 2.7309692684728613
• License:
• Abstract: The growing trend of sharing short videos on social media platforms, where users capture and share moments from their daily lives, has led to an increase in research efforts focused on micro-video recommendations. However, conventional methods oversimplify the modeling of skip behavior, categorizing interactions solely as positive or negative based on whether skipping occurs. This study was motivated by the importance of the first few seconds of micro-videos, leading to a refinement of signals into three distinct categories: highly positive, less positive, and negative. Specifically, we classify skip interactions occurring within a short time as negatives, while those occurring after a delay are categorized as less positive. The proposed dual-level graph and hierarchical ranking loss are designed to effectively learn these fine-grained interactions. Our experiments demonstrated that the proposed method outperformed three conventional methods across eight evaluation measures on two public datasets.
• Abstract（参考訳）: ユーザーが日々の生活から瞬間を捉え、共有するソーシャルメディアプラットフォームでショートビデオを共有する傾向は、マイクロビデオレコメンデーションに焦点を当てた研究努力の増加につながっている。 しかし、従来の手法はスキップ動作のモデリングを単純化し、スキップの発生の有無に基づいて、相互作用を正か負かだけに分類する。 この研究は、最初の数秒間のマイクロビデオの重要性に動機付けられ、シグナルを3つの異なるカテゴリ(高い陽性、少ない陽性、負)に洗練させる結果となった。 具体的には、短時間で発生するスキップ相互作用を負として分類し、遅延後に発生する相互作用を正に分類する。 提案した二重レベルグラフと階層的ランキング損失は、これらのきめ細かい相互作用を効果的に学習するために設計されている。 実験の結果,提案手法は2つの公開データセットに対する8つの評価尺度において,従来の3つの手法よりも優れていた。

関連論文リスト

• Multi-Margin Cosine Loss: Proposal and Application in Recommender Systems [0.0]
  協調フィルタリングに基づくディープラーニング技術は、その素直な性質から人気を取り戻している。 これらのシステムは、相互作用モジュール、損失関数、ネガティブサンプリング戦略の3つの主要コンポーネントから構成される。 提案したMulti-Margin Cosine Loss (MMCL)は、負のサンプルに対して複数のマージンと様々な重みを導入することで、これらの課題に対処する。
  論文  参考訳（メタデータ） (2024-05-07T18:58:32Z)
• Understanding CNNs from excitations [12.25690353533472]
  サリエンシマップは、畳み込みニューラルネットワークの決定を解明するための非常に効果的なアプローチであることが証明されている。 本稿では, 各層に対して正負励起を直接抽出できる, 正負励起という新しい概念を提案する。
  論文  参考訳（メタデータ） (2022-05-02T14:27:35Z)
• Few-Shot Fine-Grained Action Recognition via Bidirectional Attention and Contrastive Meta-Learning [51.03781020616402]
  現実世界のアプリケーションで特定のアクション理解の需要が高まっているため、きめ細かいアクション認識が注目を集めている。 そこで本研究では,各クラスに付与されるサンプル数だけを用いて,新規なきめ細かい動作を認識することを目的とした,数発のきめ細かな動作認識問題を提案する。 粒度の粗い動作では進展があったが、既存の数発の認識手法では、粒度の細かい動作を扱う2つの問題に遭遇する。
  論文  参考訳（メタデータ） (2021-08-15T02:21:01Z)
• Solving Inefficiency of Self-supervised Representation Learning [87.30876679780532]
  既存のコントラスト学習法は、非常に低い学習効率に苦しむ。 アンダークラスタリングとオーバークラスタリングの問題は、学習効率の大きな障害である。 中央三重項損失を用いた新しい自己監督学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-18T07:47:10Z)
• Few-shot Action Recognition with Prototype-centered Attentive Learning [88.10852114988829]
  2つの新しい構成要素からなるプロトタイプ中心型注意学習(pal)モデル。 まず,従来のクエリ中心学習目標を補完するために,プロトタイプ中心のコントラスト学習損失を導入する。 第二に、PALは注意深いハイブリッド学習機構を統合しており、アウトレーヤの負の影響を最小限に抑えることができる。
  論文  参考訳（メタデータ） (2021-01-20T11:48:12Z)
• Social NCE: Contrastive Learning of Socially-aware Motion Representations [87.82126838588279]
  実験結果から, 提案手法は最近の軌道予測, 行動クローニング, 強化学習アルゴリズムの衝突速度を劇的に低減することがわかった。 本手法は,ニューラルネットワークの設計に関する仮定をほとんど示さないため,神経運動モデルのロバスト性を促進する汎用的手法として使用できる。
  論文  参考訳（メタデータ） (2020-12-21T22:25:06Z)
• On Evaluating Weakly Supervised Action Segmentation Methods [79.42955857919497]
  本研究は、弱い教師付き行動セグメント化アプローチの使用と評価の2つの側面に焦点を当てる。 それぞれの手法をBreakfastデータセット上で5回トレーニングし、平均および標準偏差を提供する。 実験の結果,これらの反復に対する標準偏差は1～2.5%であり,異なるアプローチの比較に大きく影響していることがわかった。
  論文  参考訳（メタデータ） (2020-05-19T20:30:31Z)
• Delving into 3D Action Anticipation from Streaming Videos [99.0155538452263]
  アクション予測は、部分的な観察でアクションを認識することを目的としている。 本稿では,いくつかの相補的評価指標を導入し,フレームワイド動作分類に基づく基本モデルを提案する。 また,全動作表現とクラス非依存行動ラベルという2つの側面から補助情報を取り入れたマルチタスク学習戦略についても検討する。
  論文  参考訳（メタデータ） (2019-06-15T10:30:29Z)

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。