論文の概要: LLM-Enhanced Topical Trend Detection at Snapchat

• arxiv url: http://arxiv.org/abs/2604.27131v1
• Date: Wed, 29 Apr 2026 19:32:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.77464
• Title: LLM-Enhanced Topical Trend Detection at Snapchat
• Title（参考訳）: SnapchatにおけるLLMによるトピックトレンド検出
• Authors: Hangqi Zhao, Jay Li, Abhiruchi Bhattacharya, Cong Ni, Jason Yeung, Jinchao Ye, Kai Yang, Akshat Malu, Manish Malik,
• Abstract要約: 本稿では,Snapchatにおける話題の出現傾向を特定するための大規模システムを提案する。 本システムでは,マルチモーダルなトピック抽出,時系列バースト検出,LLMに基づく統合と濃縮を統合している。 これは、プロダクション規模でショートビデオプラットフォーム上でトピックトレンドを検出するための、最初のエンドツーエンドシステムである。
• 参考スコア（独自算出の注目度）: 2.426786524096583
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automatic detection of topical trends at scale is both challenging and essential for maintaining a dynamic content ecosystem on social media platforms. In this work, we present a large-scale system for identifying emerging topical trends on Snapchat, one of the world's largest short-video social platforms. Our system integrates multimodal topic extraction, time-series burst detection, and LLM-based consolidation and enrichment to enable accurate and timely trend discovery. To the best of our knowledge, this is the first published end-to-end system for topical trend detection on short-video platforms at production scale. Continuous offline human evaluation over six months demonstrates high precision in identifying meaningful trends. The system has been deployed in production at global scale and applied to downstream surfaces including content ranking and search, driving measurable improvements in content freshness and user experience.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上で動的コンテンツエコシステムを維持するためには,大規模トピックのトレンドを自動的に検出することが困難かつ不可欠である。 本研究では,世界最大規模のショートビデオソーシャルプラットフォームであるSnapchat上で,話題の新たなトレンドを特定するための大規模システムを提案する。 本システムでは,マルチモーダルなトピック抽出,時系列バースト検出,LLMに基づく統合と濃縮を統合し,正確かつタイムリーなトレンド発見を実現する。 我々の知る限りでは、これはプロダクション規模でショートビデオプラットフォーム上でトピックトレンドを検出するための最初のエンドツーエンドシステムである。 6ヶ月にわたる連続的オフライン人間評価は、有意義な傾向を特定する上で高い精度を示す。 このシステムは,世界規模で運用され,コンテンツランキングや検索などの下流面に適用され,コンテンツの鮮度やユーザエクスペリエンスの計測可能な改善が進められている。

関連論文リスト

• Real-Time Trend Prediction via Continually-Aligned LLM Query Generation [13.10059052007111]
  クエリボリュームの欠如は、システムが新しいトレンドや長いトレンドを特定するのを防ぐ。 本稿では,新しいリアルタイムトレンド予測フレームワークRTTPを紹介する。 RTTPは、ユーザーが発行するのを待つのではなく、ニュースコンテンツから直接検索クエリを生成する。
  論文  参考訳（メタデータ） (2026-01-24T19:37:11Z)
• Seeking and Updating with Live Visual Knowledge [75.25025869244837]
  107,143のサンプルと12のカテゴリデータを備えた、第一種データセットであるLiveVQAを紹介する。 LiveVQAは、モデルが知識境界を越えて最新の視覚情報をどう扱うかを評価することができる。 最新の17種類のMLLMの総合的なベンチマークでは、知識の遮断を超えてコンテンツに顕著なパフォーマンスギャップが示される。
  論文  参考訳（メタデータ） (2025-04-07T17:39:31Z)
• BERTrend: Neural Topic Modeling for Emerging Trends Detection [0.0]
  BERTrendは、大規模で進化しているテキストコーパスの出現傾向を監視する新しい方法である。 オンライン環境で神経トピックモデリングを使用して、意味のある弱い信号を正確に検出し、追跡する。 この手法は過去の出来事の振り返り分析にも利用できる。
  論文  参考訳（メタデータ） (2024-11-08T19:31:19Z)
• Open-World Reinforcement Learning over Long Short-Term Imagination [91.28998327423295]
  高次元オープンワールドにおける視覚的強化学習エージェントの訓練は、大きな課題を呈している。 LS-Imagineは、有限個の状態遷移ステップにおいて、イマジネーションの地平線を拡大する。 我々の手法は、MineDojoの最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2024-10-04T17:17:30Z)
• Millimeter Wave Radar-based Human Activity Recognition for Healthcare Monitoring Robot [8.98784164617929]
  本稿では,人間活動のリアルタイム監視のための移動ロボット搭載mmWaveレーダシステムであるRobHARを提案する。 まず,ポイントクラウドの特徴を学習するために,クラウドベースのグローバルな埋め込みを提案する。 そして、双方向軽量LSTMモデル(BiLiLSTM)を用いて時間パターンを学習する。
  論文  参考訳（メタデータ） (2024-05-03T06:57:59Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [53.5449912019877]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• A Survey on Detection of LLMs-Generated Content [97.87912800179531]
  LLMの生成する内容を検出する能力が最重要視されている。 既存の検出戦略とベンチマークの詳細な概要を提供する。 また、様々な攻撃から守るための多面的アプローチの必要性を示唆する。
  論文  参考訳（メタデータ） (2023-10-24T09:10:26Z)
• Online Matching: A Real-time Bandit System for Large-scale Recommendations [23.954049092470548]
  Online Matchingは、ユーザのアイテムに対する直接的なフィードバックをリアルタイムで学習する、スケーラブルなクローズドループバンディットシステムである。 Diag-LinUCBはLinUCBアルゴリズムの新たな拡張であり、スケーラブルでタイムリーな方法で帯域幅パラメータの分散更新を可能にする。
  論文  参考訳（メタデータ） (2023-07-29T05:46:27Z)

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。