論文の概要: Contextualizing Spotify's Audiobook List Recommendations with Descriptive Shelves

• arxiv url: http://arxiv.org/abs/2504.13572v1
• Date: Fri, 18 Apr 2025 09:12:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-28 16:31:59.58436
• Title: Contextualizing Spotify's Audiobook List Recommendations with Descriptive Shelves
• Title（参考訳）: Spotifyのオーディオブックリストのレコメンデーションを記述棚でコンテクスト化
• Authors: Gustavo Penha, Alice Wang, Martin Achenbach, Kristen Sheets, Sahitya Mantravadi, Remi Galvez, Nico Guetta-Jeanrenaud, Divya Narayanan, Ofeliya Kalaydzhyan, Hugues Bouchard,
• Abstract要約: 本稿では,オーディオブック分野における記述棚を用いた文脈的リストレコメンデーションを生成するパイプラインを提案する。 私たちはLarge Language Models(LLMs)を使用して、各項目のメタデータを、このドメインで作成された分類に基づいて強化しています。 A/Bテストでは、ユーザエンゲージメントとオーディオブック発見メトリクスが改善されている。
• 参考スコア（独自算出の注目度）: 3.216121066339216
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we propose a pipeline to generate contextualized list recommendations with descriptive shelves in the domain of audiobooks. By creating several shelves for topics the user has an affinity to, e.g. Uplifting Women's Fiction, we can help them explore their recommendations according to their interests and at the same time recommend a diverse set of items. To do so, we use Large Language Models (LLMs) to enrich each item's metadata based on a taxonomy created for this domain. Then we create diverse descriptive shelves for each user. A/B tests show improvements in user engagement and audiobook discovery metrics, demonstrating benefits for users and content creators.
• Abstract（参考訳）: 本稿では,オーディオブックの領域における記述棚を用いたコンテキスト化されたリストレコメンデーションを生成するパイプラインを提案する。 例えば、Women's Fictionに親しみのあるトピックの棚を複数作ることで、興味に応じて推奨事項を探索し、同時にさまざまな項目を推薦することができる。 そのため、私たちはLarge Language Models(LLM)を使用して、各項目のメタデータを、このドメイン用に作成された分類に基づいて強化しています。 次に、ユーザ毎に多様な記述棚を作成します。 A/Bテストは、ユーザエンゲージメントとオーディオブック発見メトリクスの改善を示し、ユーザとコンテンツクリエーターにメリットを示す。

関連論文リスト

• Snippet-based Conversational Recommender System [7.943863017830094]
  SnipRecは,ユーザレビューなどのユーザ生成コンテンツを利用して,幅広いユーザ表現をキャプチャする,新たなリソース効率の高い手法を提案する。 レストラン、本、衣類の領域での実験では、スニペットベースの表現は文書や文ベースの表現よりも優れていた。
  論文  参考訳（メタデータ） (2024-11-09T04:23:58Z)
• Improving LLMs for Recommendation with Out-Of-Vocabulary Tokens [51.584024345378005]
  本稿では,Large Language Models (LLMs) ベースのレコメンデータシステムにおいて,ユーザや項目を効果的にトークンする方法を示す。 語彙内トークンに加えて、語彙外トークン(OOV)の役割も強調する。 提案するフレームワークは,様々なダウンストリームレコメンデーションタスクにおいて,既存の最先端メソッドよりも優れている。
  論文  参考訳（メタデータ） (2024-06-12T17:59:05Z)
• Reindex-Then-Adapt: Improving Large Language Models for Conversational Recommendation [50.19602159938368]
  大規模言語モデル(LLM)は、会話レコメンデーションシステムに革命をもたらしている。 本稿では,マルチトークンのタイトルを単一トークンに変換するReindex-Then-Adapt(RTA)フレームワークを提案する。 本フレームワークでは,3つの対話推薦データセットの精度向上を実証する。
  論文  参考訳（メタデータ） (2024-05-20T15:37:55Z)
• Contextual AD Narration with Interleaved Multimodal Sequence [50.240534605090396]
  このタスクは、視覚障害者が映画のような長めのビデオコンテンツにアクセスするのを助けるために、視覚障害者のための視覚要素の記述を作成することを目的としている。 ビデオ機能、テキスト、文字バンク、コンテキスト情報を入力として、生成されたADは名前で文字に対応することができる。 我々は、ADを生成するためのシンプルで統一されたフレームワークを通じて、事前訓練された基礎モデルを活用することを提案する。
  論文  参考訳（メタデータ） (2024-03-19T17:27:55Z)
• Hierarchy Builder: Organizing Textual Spans into a Hierarchy to Facilitate Navigation [60.3710211174201]
  本稿では,情報抽出文字列の効率的な消費を支援する手法を提案する。 このシステムは、類似のアイテムをまとめて、残りのアイテムを階層的なナビゲート可能なDAG構造に配置する。 本手法を医療情報抽出に適用する。
  論文  参考訳（メタデータ） (2023-09-18T18:11:24Z)
• Beyond Labels: Leveraging Deep Learning and LLMs for Content Metadata [1.6574413179773761]
  メタデータの分析は、ユーザの好みを理解して、パーソナライズされたレコメンデーションとアイテムのコールドスタートを生成するのに役立つ。 本稿では,ジャンルラベル情報の利用に関わる課題について紹介し,ジャンル情報を調べる新しい方法を提案する。 Genre Spectrumは、さまざまなジャンルをタイトルで捉えるのに役立ち、オフラインとオンラインの実験は、このアプローチの有効性を裏付けます。
  論文  参考訳（メタデータ） (2023-09-15T22:11:29Z)
• Text Matching Improves Sequential Recommendation by Reducing Popularity Biases [48.272381505993366]
  TASTEは、アイテムの識別子と属性を使用して、アイテムとユーザとイテムのインタラクションを言語化する。 実験の結果,TASTEはシーケンシャルレコメンデーションデータセットにおいて最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-08-27T07:44:33Z)
• Beyond Single Items: Exploring User Preferences in Item Sets with the Conversational Playlist Curation Dataset [20.42354123651454]
  私たちはこのタスクを会話アイテムセットキュレーションと呼びます。 本稿では,会話環境におけるアイテムセットのリアルな嗜好を効率的に収集する新しいデータ収集手法を提案する。 我々は、それが他の方法では表現されない好みを表現することにつながることを示している。
  論文  参考訳（メタデータ） (2023-03-13T00:39:04Z)
• Talk the Walk: Synthetic Data Generation for Conversational Music Recommendation [62.019437228000776]
  本稿では,広く利用可能なアイテムコレクションにおいて,符号化された専門知識を活用することで,現実的な高品質な会話データを生成するTalkWalkを提案する。 人間の収集したデータセットで100万以上の多様な会話を生成します。
  論文  参考訳（メタデータ） (2023-01-27T01:54:16Z)
• Automatic Collection Creation and Recommendation [0.0]
  本稿では,ユーザレベルで自動的にアイテムのコレクションを作成し,推薦できるコレクションレコメンダシステムを提案する。 提案システムは,項目推薦システムで学習したユーザ・イテム表現に基づいて構築される。 アイテムよりもコレクションを推奨する場合、レコメンデーション駆動の消費は2.3倍増加しています。
  論文  参考訳（メタデータ） (2021-05-03T16:51:21Z)

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。