論文の概要: Content Depth Matters in Short-Video Recommendation: Rethinking the Attention Economy
- arxiv url: http://arxiv.org/abs/2608.13990v1
- Date: Fri, 14 Aug 2026 06:13:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.293775
- Title: Content Depth Matters in Short-Video Recommendation: Rethinking the Attention Economy
- Title（参考訳）: 短いビデオレコメンデーションにおけるコンテンツ深さの問題:注意経済を再考する
- Abstract要約: 本稿では,短いビデオのコンテンツ深度を定量化するための新しいメトリクスである textbfContent Depth Score (CDS) を紹介する。
CDSは、ビデオが高次認知過程を刺激する程度を測定する。
短ビデオ推薦におけるコンテンツ深度評価のための最初のベンチマークである textbfSCOPE-Bench を提案する。
- 参考スコア（独自算出の注目度）: 34.25398134800663
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Driven by the attention economy, short-video Recommender Systems (RSs) are primarily optimized to maximize user engagement by promoting videos that capture attention within seconds. These systems inherently favor shallow-content videos that are effective at attracting immediate attention. However, growing evidence suggests that prolonged exposure to such content may negatively affect users' cognitive engagement and mental well-being, raising concerns about the long-term societal impact of the short-video platform. To tackle this challenge, this paper introduces a new metric, the \textbf{Content Depth Score (CDS)}, to quantify the content depth of short videos. CDS measures the extent to which a video is expected to stimulate higher-order cognitive processes, using a seven-level scale grounded in established theories of cognitive psychology and learning. As an initial step toward this vision, we present \textbf{SCOPE-Bench}, the first benchmark for content-depth evaluation in short-video recommendation. Built upon a large-scale open-source short-video dataset, SCOPE-Bench provides CDS annotations for 150K videos, enabling systematic evaluation of RSs from a cognitive-content perspective. Leveraging SCOPE-Bench, we evaluate 13 representative RSs and reveal a consistent preference for shallow-content videos. Moreover, we find that these algorithms recommending cognitively deep content are only marginally better than random selection, highlighting a previously overlooked limitation of existing recommendation objectives. Our code and datasets are available at https://liweidengdavid.github.io/SCOPE-Bench/.
- Abstract（参考訳）: 注意経済によって駆動されるショートビデオレコメンダシステム(RS)は、主に、数秒以内に注意を捉えるビデオの宣伝によって、ユーザのエンゲージメントを最大化するために最適化されている。
これらのシステムは本質的に、瞬時に注意を引くのに有効な浅いコンテンツビデオを好む。
しかし、こうしたコンテンツへの長時間の露出がユーザーの認知的エンゲージメントと精神的幸福に悪影響を及ぼす可能性が示唆され、ショートビデオプラットフォームによる長期的な社会的影響への懸念が高まった。
この課題に対処するため,本研究では,短いビデオのコンテンツ深度を定量化するための新しいメトリクスである「textbf{Content Depth Score (CDS)」を提案する。
CDSは、認知心理学と学習の確立した理論に基づく7段階の尺度を用いて、ビデオが高次認知過程を刺激する程度を測定する。
このビジョンに向けた最初のステップとして、ショートビデオレコメンデーションにおけるコンテンツ深度評価のための最初のベンチマークである \textbf{SCOPE-Bench} を提示する。
SCOPE-Benchは、大規模なオープンソースショートビデオデータセットに基づいて、150KビデオのCDSアノテーションを提供し、認知コンテンツの観点からRSの体系的な評価を可能にする。
SCOPE-Benchを応用し,13個の代表RSを評価し,浅部コンテンツビデオに対する一貫した嗜好を明らかにした。
さらに,これらのアルゴリズムでは,認知的深層コンテンツを推奨するアルゴリズムが,従来見過ごされていた推奨対象の制限を強調し,ランダム選択よりもわずかに優れていることがわかった。
私たちのコードとデータセットはhttps://liweidengdavid.github.io/SCOPE-Bench/で公開されています。
関連論文リスト
- VideoScout: Learning Agentic Active Exploration with Adaptive Reasoning Pacing for Long Video Understanding [61.00809248898572]
ロングビデオ理解(英: Long video understanding)とは、エージェントが時間軸に沿って回転してビデオを読み取る問題である。
適応推論によるSEAパラダイムをインスタンス化するマルチターン推論エージェントである textbfVideoScout を提案する。
長いビデオ理解と推論のベンチマーク実験により、我々の7Bモデルは、既存の訓練された7Bエージェントモデルと比較して、強い性能を発揮することが示された。
論文 参考訳（メタデータ） (2026-09-14T14:04:03Z) - From Content to Knowledge: Lightning Fast Long-Video Understanding with Neural Knowledge Representations [61.234896830825754]
我々は、長い動画を神経知識表現(NKR)として扱うことによって、長いビデオ理解のための新しいパラダイムを提案する。
NKRは、トークンのストリームや事前編成されたデータベースではなく、VLMバックボーンに取り付けられたネットワーク重みの個々の小さな部分として、ビデオの内容を表す。
推論では、軽量NKRは凍結したビジョンランゲージモデル(VLM)に実装され、元のビデオを再ロードしたり再エンコードしたりすることなく、直接、クエリベースの理解を可能にする。
論文 参考訳（メタデータ） (2026-06-10T10:43:35Z) - VideoKR: Towards Knowledge- and Reasoning-Intensive Video Understanding [52.925648827667935]
ビデオ理解を強化するために設計された,最初の大規模トレーニングコーパスであるVideoKRを紹介する。
VideoKRは、新しく収集されたCCライセンスのエキスパートドメインビデオ145K以上の315Kビデオ推論例で構成されている。
我々は、より深い動画推論機能をターゲットにした、ループ内のヒューマン・イン・ザ・ループ・スキル指向のサンプル生成パイプラインを開発した。
論文 参考訳（メタデータ） (2026-06-03T16:14:20Z) - Seeing Further and Wider: Joint Spatio-Temporal Enlargement for Micro-Video Popularity Prediction [24.227528430107114]
マイクロビデオの人気予測(MVPP)は、オンラインメディア上でのビデオの人気を予測することを目的としている。
MVPPアプローチでは、あるビデオ(時間)の時間的ダイナミクスと、他のビデオ(空間)に対する歴史的関連性の両方を理解することが重要である。
論文 参考訳（メタデータ） (2026-04-22T08:11:06Z) - LongVideo-R1: Smart Navigation for Low-cost Long Video Understanding [106.23494088118571]
LongVideo-R1は、効率的なビデオコンテキストナビゲーションのためのマルチモーダル大言語モデル(MLLM)エージェントである。
これは、その後の処理において最も情報に富むビデオクリップを推測する。
LongVideo-R1エージェントは、2段階のパラダイムを通じてQwen-3-8Bモデルに微調整される。
論文 参考訳（メタデータ） (2026-02-24T13:49:47Z) - Efficient Data Retrieval and Comparative Bias Analysis of Recommendation Algorithms for YouTube Shorts and Long-Form Videos [1.011824113969195]
本研究では,ショートフォームビデオとロングフォームビデオの両方において,YouTubeのレコメンデーションアルゴリズムを解析するためのフレームワークを開発する。
この分析は、2つのフォーマットにわたるレコメンデーションアルゴリズムの異なる行動パターンを明らかにする。
南シナ海紛争のような政治的に敏感なトピックのバイアスに関する新たな調査は、これらのアルゴリズムが物語を形作る際に果たす役割を強調している。
論文 参考訳（メタデータ） (2025-07-29T03:13:41Z) - Video-CoT: A Comprehensive Dataset for Spatiotemporal Understanding of Videos Based on Chain-of-Thought [19.792159494513424]
ビデオ理解は、ビデオ分析からインタラクティブシステムまで、様々な用途に不可欠である。
視覚言語モデルの発展にもかかわらず、これらのモデルはしばしば、微妙で時間的な詳細を捉えるのに苦労する。
これを解決するために、ビデオ理解を強化するために設計された画期的なデータセットであるVideo-Thoughtを紹介した。
論文 参考訳（メタデータ） (2025-06-10T14:08:56Z) - Query-centric Audio-Visual Cognition Network for Moment Retrieval, Segmentation and Step-Captioning [56.873534081386]
ビデオ検索、モーメント検索、モーメントセグメンテーション、ステップキャプションを含む新しいトピックHIRESTが紹介されている。
3つのタスクに対して信頼性の高いマルチモーダル表現を構築するために,クエリ中心の音声視覚認知ネットワークを提案する。
これにより、ユーザが優先するコンテンツを認識し、3つのタスクに対してクエリ中心の音声視覚表現を実現することができる。
論文 参考訳（メタデータ） (2024-12-18T06:43:06Z) - Delving Deep into Engagement Prediction of Short Videos [34.38399476375175]
本研究は,ユーザインタラクションが限定されたビデオのエンゲージメント予測の難しさを深く掘り下げるものである。
Snapchatの90,000の現実世界のショートビデオからなる、実質的なデータセットを紹介します。
本手法は,映像コンテンツから映像のエンゲージメントを純粋に予測できることを示す。
論文 参考訳（メタデータ） (2024-09-30T23:57:07Z) - Goldfish: Vision-Language Understanding of Arbitrarily Long Videos [51.547065479762715]
任意の長さのビデオの解釈に適した手法を提案する。
また,TVQA-longベンチマークを導入し,視覚とテキストコンテンツの両方に疑問を呈する長編ビデオの理解におけるモデルの能力を評価する。
以上の結果から,本モデルでは長大・短大双方の理解が大幅に改善されていることが示唆された。
論文 参考訳（メタデータ） (2024-07-17T15:59:32Z)
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。