論文の概要: Research on the Design of a Short Video Recommendation System Based on Multimodal Information and Differential Privacy

• arxiv url: http://arxiv.org/abs/2504.08751v1
• Date: Thu, 27 Mar 2025 22:56:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-20 06:33:24.199124
• Title: Research on the Design of a Short Video Recommendation System Based on Multimodal Information and Differential Privacy
• Title（参考訳）: マルチモーダル情報と差分プライバシーに基づくショートビデオレコメンデーションシステムの設計に関する研究
• Authors: Haowei Yang, Lei Fu, Qingyi Lu, Yue Fan, Tianle Zhang, Ruohan Wang,
• Abstract要約: 本稿では,マルチモーダル情報と差分プライバシー保護に基づく短いビデオレコメンデーションシステムを提案する。 深層学習モデルは、マルチモーダルデータの特徴抽出と融合に使われ、レコメンデーション精度を効果的に向上させる。 差分プライバシー保護機構は、システムの性能を維持しながら、ユーザのデータのプライバシを確保するように設計されている。
• 参考スコア（独自算出の注目度）: 9.571883876747314
• License:
• Abstract: With the rapid development of short video platforms, recommendation systems have become key technologies for improving user experience and enhancing platform engagement. However, while short video recommendation systems leverage multimodal information (such as images, text, and audio) to improve recommendation effectiveness, they also face the severe challenge of user privacy leakage. This paper proposes a short video recommendation system based on multimodal information and differential privacy protection. First, deep learning models are used for feature extraction and fusion of multimodal data, effectively improving recommendation accuracy. Then, a differential privacy protection mechanism suitable for recommendation scenarios is designed to ensure user data privacy while maintaining system performance. Experimental results show that the proposed method outperforms existing mainstream approaches in terms of recommendation accuracy, multimodal fusion effectiveness, and privacy protection performance, providing important insights for the design of recommendation systems for short video platforms.
• Abstract（参考訳）: ショートビデオプラットフォームの急速な発展に伴い、レコメンデーションシステムはユーザーエクスペリエンスの向上とプラットフォームのエンゲージメント向上の鍵となる技術となっている。 しかし、短いビデオレコメンデーションシステムは、マルチモーダル情報(画像、テキスト、オーディオなど)を活用してレコメンデーションの有効性を向上させる一方で、ユーザプライバシリークの深刻な課題に直面している。 本稿では,マルチモーダル情報と差分プライバシー保護に基づく短いビデオレコメンデーションシステムを提案する。 まず、マルチモーダルデータの特徴抽出と融合にディープラーニングモデルを使用し、推薦精度を効果的に向上させる。 次に、レコメンデーションシナリオに適した差分プライバシー保護機構を設計し、システム性能を維持しながらユーザデータのプライバシを確保する。 実験結果から,提案手法は推奨精度,マルチモーダル融合の有効性,プライバシ保護性能において既存の主流手法よりも優れており,ショートビデオプラットフォームのためのレコメンデーションシステムの設計において重要な洞察を提供する。

関連論文リスト

• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• A Model-based Multi-Agent Personalized Short-Video Recommender System [19.03089585214444]
  本稿では,RLをベースとした産業用ショートビデオレコメンデータランキングフレームワークを提案する。 提案フレームワークでは,サンプル選択バイアスを軽減するために,モデルに基づく学習アプローチを採用している。 提案手法は,当社の大規模ショートビデオ共有プラットフォームに導入されている。
  論文  参考訳（メタデータ） (2024-05-03T04:34:36Z)
• A Large Language Model Enhanced Sequential Recommender for Joint Video and Comment Recommendation [77.42486522565295]
  我々は、パーソナライズされたビデオとコメントのレコメンデーションを共同で行うLSVCRと呼ばれる新しいレコメンデーション手法を提案する。 提案手法は,逐次レコメンデーション(SR)モデルと補足型大規模言語モデル(LLM)レコメンデーションという2つの重要なコンポーネントから構成される。 特に、コメント視聴時間の4.13%が大幅に向上した。
  論文  参考訳（メタデータ） (2024-03-20T13:14:29Z)
• Mirror Gradient: Towards Robust Multimodal Recommender Systems via Exploring Flat Local Minima [54.06000767038741]
  フラットローカルミニマの新しい視点からマルチモーダルリコメンデータシステムの解析を行う。 我々はミラーグラディエント(MG)と呼ばれる簡潔で効果的な勾配戦略を提案する。 提案したMGは、既存の堅牢なトレーニング手法を補完し、多様な高度なレコメンデーションモデルに容易に拡張できることが判明した。
  論文  参考訳（メタデータ） (2024-02-17T12:27:30Z)
• User Consented Federated Recommender System Against Personalized Attribute Inference Attack [55.24441467292359]
  本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。 UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
  論文  参考訳（メタデータ） (2023-12-23T09:44:57Z)
• Impression-Aware Recommender Systems [53.48892326556546]
  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。 本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Two-Stage Constrained Actor-Critic for Short Video Recommendation [23.12631658373264]
  CMDP(Constrained Markov Decision Process)として短いビデオレコメンデーションの問題を定式化する。 本稿では,各補助信号の最適化のための2段階制約付きアクター批判手法を提案する。 我々の手法は、時計時間と相互作用の両面で、他のベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2023-02-03T12:02:54Z)
• Constrained Reinforcement Learning for Short Video Recommendation [18.492477839791274]
  ソーシャルメディアプラットフォーム上のショートビデオは、レコメンデーターシステムの最適化に新たな課題をもたらす。 アクター・クリティカルな枠組みに基づく2段階強化学習手法を提案する。 当社のアプローチは,ユーザエクスペリエンスを最適化するために,運用システムで完全にローンチされています。
  論文  参考訳（メタデータ） (2022-05-26T09:36:20Z)
• Heterogeneous Demand Effects of Recommendation Strategies in a Mobile Application: Evidence from Econometric Models and Machine-Learning Instruments [73.7716728492574]
  本研究では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。 提案手法では, 有効性に有意な差が認められた。 我々は,ユーザ生成レビューのディープラーニングモデルに基づいて,製品分化(アイソレーション)をキャプチャする新しいエコノメトリ機器を開発した。
  論文  参考訳（メタデータ） (2021-02-20T22:58:54Z)
• Shared MF: A privacy-preserving recommendation system [0.0]
  本稿では,共有行列分解方式であるSharedMFを提案する。 まず、分散レコメンデーションシステムを構築し、その後、ローカルデータのプライバシを保護するためにシークレット共有技術を使用する。
  論文  参考訳（メタデータ） (2020-08-18T06:19:38Z)

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。