論文の概要: WatchLens: A Configurable Platform for Online Video Recommendation Experiments
- arxiv url: http://arxiv.org/abs/2608.04807v1
- Date: Wed, 05 Aug 2026 13:13:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.932783
- Title: WatchLens: A Configurable Platform for Online Video Recommendation Experiments
- Title（参考訳）: WatchLens: オンラインビデオレコメンデーション実験のための構成可能なプラットフォーム
- Authors: Deogyong Kim, Dongha Lee,
- Abstract要約: 我々は、オンラインビデオレコメンデーション研究のためのオープンソースのプラットフォームであるWatchLensを紹介する。
WatchLensは、リコメンデーションポリシーとランキングポジションがどのように下流の再生行動を形成するかを分析することができる。
WatchLensは、再現可能なオンラインビデオレコメンデーション研究のための、公開され、シングルサーバでデプロイ可能なシステムとしてリリースされている。
- 参考スコア（独自算出の注目度）: 8.96421525214174
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Studying how video recommender systems shape user behavior requires online experiments that link playback behavior with the recommendation conditions that produced it. Existing user-study infrastructure provides one or the other, but not both within a single experimentation workflow. We present WatchLens, an open-source platform that fills this gap. WatchLens adopts a modular architecture in which user interfaces, content sources, and recommendation policies are independently configurable, with policies assignable separately to the feed and the watch page, while a standardized logging layer attaches the recommendation policy and ranking position to every event at recording time. This design enables researchers to analyze how recommendation policies and ranking positions shape downstream playback behavior, session continuation, and navigation between the feed and the watch page, with the linkage between policy and outcome available in each event rather than reconstructed afterwards. We demonstrate WatchLens with a short-form video case study that holds the interface, feed policy, and content pool constant while varying only the watch-page policy, showing how the platform supports session-level comparison of recommendation effects on real viewing behavior. WatchLens is released as a publicly available, single-server deployable system for reproducible online video recommendation research.
- Abstract（参考訳）: ビデオレコメンデータシステムがどのようにユーザ行動を形成するかを研究するには、再生動作とそれを生成したレコメンデーション条件をリンクするオンライン実験が必要である。
既存のユーザスタディインフラストラクチャは、どちらか一方を提供するが、どちらも単一の実験ワークフローには含まれない。
このギャップを埋めるオープンソースのプラットフォームであるWatchLensを紹介します。
WatchLensは、ユーザインターフェース、コンテンツソース、レコメンデーションポリシーを独立して設定可能なモジュールアーキテクチャを採用し、フィードとウォッチページに個別にポリシーを割り当てる一方、標準化されたロギング層はレコメンデーションポリシーとランキング位置を記録時にすべてのイベントにアタッチする。
この設計により、研究者は、後から再構成されるのではなく、各イベントにおけるポリシーと結果のリンクを用いて、フィードとウォッチページの下流再生行動、セッション継続、ナビゲーションをどのように形成するかを分析できる。
我々はWatchLensを、インタフェース、フィードポリシー、コンテンツプールを一定に保ちながらウォッチページポリシーのみを変化させた短いビデオケーススタディで実証し、実際の視聴行動に対する推奨効果のセッションレベル比較をどのようにサポートするかを示した。
WatchLensは、再現可能なオンラインビデオレコメンデーション研究のための、公開され、シングルサーバでデプロイ可能なシステムとしてリリースされている。
関連論文リスト
- FrameMind: Frame-Interleaved Video Reasoning via Reinforcement Learning [65.42201665046505]
現在のビデオ理解モデルは、各質問の特定の推論条件にかかわらず、固定されたフレームサンプリング戦略に依存し、所定の視覚入力を処理する。
この静的アプローチは、視覚的エビデンスを適応的に収集する能力を制限し、広範囲の時間的カバレッジやきめ細かい空間的詳細を必要とするタスクにおいて、最適以下のパフォーマンスをもたらす。
Frame-Interleaved Chain-of-Thought (FiCOT)を通して、モデルが推論中に視覚情報を動的に要求することを可能にする強化学習で訓練されたエンドツーエンドフレームワークであるFrameMindを紹介する。
従来のアプローチとは異なり、FrameMindは複数のターンで動作し、モデルがテキスト推論とアクティブな視覚知覚を交互に切り替え、ツールを使って抽出する。
論文 参考訳（メタデータ） (2025-09-28T17:59:43Z) - Generate the browsing process for short-video recommendation [6.246989522091273]
本稿では,ユーザのショートビデオ視聴ジャーニーを動的にシミュレートし,ショートビデオレコメンデーションにおけるウォッチタイム予測を提案する。
本手法は,コラボレーティブ・インフォメーションを学習することで,短い動画の視聴に対するユーザの継続的な関心をシミュレートする。
産業規模および公共データセットの実験により,本手法が時計時間予測タスクにおける最先端性能を実現することを示す。
論文 参考訳（メタデータ） (2025-04-02T20:54:52Z) - Sync from the Sea: Retrieving Alignable Videos from Large-Scale Datasets [62.280729345770936]
AVR(Alignable Video Retrieval)の課題について紹介する。
クェリビデオが与えられた場合、我々は大量のクリップから良質な映像を識別し、時間的にクェリに同期させることができる。
大規模なKineetics700を含む3つのデータセットに関する実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2024-09-02T20:00:49Z) - Enhancing Sequential Recommender with Large Language Models 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累積増加率は4.13%に達した。
論文 参考訳（メタデータ） (2024-03-20T13:14:29Z) - 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) - Intra-session Context-aware Feed Recommendation in Live Systems [35.84926743736469]
本稿では,全ビューと全クリックを同時に最大化する,セッション内コンテキスト対応フィードレコメンデーションフレームワークを提案する。
提案手法は,セッションレベルのクリックとビューのメトリクスを最適化することを目的とした,フィードレコメンデーション研究に光を当てる。
論文 参考訳（メタデータ） (2022-09-30T04:21:36Z) - 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) - Background-Click Supervision for Temporal Action Localization [82.4203995101082]
時間的行動ローカライゼーションの弱さは、ビデオレベルのラベルからインスタンスレベルのアクションパターンを学習することを目的としており、アクションコンテキストの混乱が大きな課題である。
最近の作業の1つは、アクションクリックの監視フレームワークを構築している。
同様のアノテーションのコストを必要とするが、従来の弱い教師付き手法と比較して、着実にローカライズ性能を向上させることができる。
本稿では,既存の手法の性能ボトルネックが背景誤差に起因していることを明らかにすることにより,より強力なアクションローカライザを,アクションフレームではなく,バックグラウンドビデオフレーム上のラベルでトレーニングできることを見出した。
論文 参考訳（メタデータ） (2021-11-24T12:02:52Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z)
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。