論文の概要: Mend the Measurement Gap: Latent User Preference Modeling for Short-Form Video Recommendation

• arxiv url: http://arxiv.org/abs/2609.32839v1
• Date: Sat, 26 Sep 2026 18:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 19:45:06.56256
• Title: Mend the Measurement Gap: Latent User Preference Modeling for Short-Form Video Recommendation
• Title（参考訳）: Mend the Measurement Gap: 短時間のビデオレコメンデーションのための潜在ユーザ嗜好モデル
• Abstract要約: 不均一な行動フィードバックからユーザの嗜好を測定するために,FLVM(Facterized Latent Value Model)を提案する。 YouTube Shortsでは、このモデルはオフラインのメトリクスを改善し、オンラインA/Bテストでは2.67%向上する。
• 参考スコア（独自算出の注目度）: 2.5261983574088416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommender systems rely heavily on heterogeneous behavioral feedback to infer user preference. Although abundant, these signals are imperfect measurements: the same observed behavior can arise from different underlying states, such as genuine enjoyment, passive consumption, or inattention. The challenge is especially acute in short-form video, where watch-based signals are strongly affected by measurement confounders such as video duration - the same watch time can imply different levels of preference for videos of different lengths, while ratio-based metrics can systematically favor short videos. As a result, optimizing raw engagement can amplify measurement artifacts rather than improving user value. We propose a Factorized Latent Value Model (FLVM) for measuring user preference from heterogeneous behavioral feedback. The model treats observed behaviors as noisy measurements of a low-dimensional, factorized latent value state and uses structured output heads to model heterogeneous feedback signals. A restricted baseline path captures predictable variation from measurement-confounding features such as video duration, user propensity, and session context, while a routed latent path estimates preference-relevant value advantage. The resulting latent value score can be integrated into an existing recommender system as a ranking feature or ranking score. On YouTube Shorts, a major short-form video platform, this model improves offline metrics and lifts a primary viewer enjoyment metric by 2.67% in online A/B tests.
• Abstract（参考訳）: レコメンダシステムは、ユーザの好みを推測するために不均一な行動フィードバックに大きく依存する。 観測された行動は、真の楽しみ、受動的消費、不注意など、異なる基礎状態から生じうる。 この課題は、特にショートフォームビデオでは、ビデオの長さなどの測定共同創設者によってウォッチベースの信号が強く影響される。同じウォッチタイムは、異なる長さのビデオに対する好みのレベルを暗示し、比率ベースのメトリクスは、ショートビデオを体系的に好むことができる。 その結果、生のエンゲージメントを最適化することで、ユーザ価値を改善するのではなく、測定成果物を増幅することができる。 不均一な行動フィードバックからユーザの嗜好を測定するために,FLVM(Facterized Latent Value Model)を提案する。 このモデルは、観測された振る舞いを低次元の分解潜在値状態のノイズ測定として扱い、構造的出力ヘッドを用いて異種フィードバック信号をモデル化する。 制限されたベースラインパスは、ビデオの長さ、ユーザ適合性、セッションコンテキストなどの計測に相反する特徴から予測可能な変動を捉え、ルートされた遅延パスは、優先順位関連値の利点を推定する。 得られた潜在値スコアを、ランキング機能またはランキングスコアとして既存のレコメンデータシステムに統合することができる。 主要なショートフォームビデオプラットフォームであるYouTube Shortsでは、このモデルはオフラインのメトリクスを改善し、オンラインのA/Bテストでは2.67%向上する。

関連論文リスト

• VA-Judger: Reward Modeling from Human Preference Feedback for Joint Video-Audio Generation [79.34043102155964]
  共同ビデオオーディオ生成のためのチェーン・オブ・オムニ・リワードモデルであるVA-Judgerを提案する。 VA-Judgerは,ドメイン内評価とドメイン外評価の両方において,ヒトの嗜好を予測する上で,指標ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-08-19T06:53:14Z)
• MBD: A Model-Based Debiasing Framework Across User, Content, and Model Dimensions [50.00784452900918]
  この課題に対処する一般モデルベースデバイアス(MBD)フレームワークを提案する。 任意のコホートに対するエンゲージメント分布の文脈平均と分散を明示的に推定する。 この統合により、フレームワークはバイアス付き生信号からバイアスなしの表現に変換することができる。
  論文  参考訳（メタデータ） (2026-03-15T15:07:01Z)
• Video-LevelGauge: Investigating Contextual Positional Bias in Large Video Language Models [51.67019924750931]
  Video-LevelGaugeは、大規模ビデオ言語モデル(LVLM)における位置バイアスを評価するために設計されたベンチマークである。 我々は、標準化されたプローブとカスタマイズされたコンテキスト設定を採用し、コンテキスト長、プローブ位置、コンテキストタイプを柔軟に制御できる。 ベンチマークでは、複数のタイプにまたがる438の動画を手動でキュレートし、117の高品質なマルチチョイスの質問と120のオープンエンドの質問を得た。
  論文  参考訳（メタデータ） (2025-08-27T07:58:16Z)
• Relative Advantage Debiasing for Watch-Time Prediction in Short-Video Recommendation [5.5448753341848525]
  本稿では,ユーザグループとアイテムグループで条件付き参照分布と比較することにより,視聴時間を補正する,新たなアドバンテージ・デバイアス化フレームワークを提案する。 このアプローチは、量子的嗜好信号を生成し、2段階アーキテクチャを導入し、配当推定と選好学習を明確に分離する。
  論文  参考訳（メタデータ） (2025-08-14T21:52:00Z)
• Less is More: Sparse Sampling for Dense Reaction Predictions [60.005266111509435]
  本稿では,ビデオチャレンジからの2021Evoked Expressionを提案する。 本モデルでは,音声と画像の両モードを入力として,視聴者の感情変化を予測する。 提案手法は, 最終プライベートテストセットにおいて, ピアソンの相関スコア0.04430を達成した。
  論文  参考訳（メタデータ） (2021-06-03T11:33:59Z)
• Probabilistic and Variational Recommendation Denoising [56.879165033014026]
  暗黙のフィードバックから学ぶことは、推奨システムの適用において最も一般的なケースの1つである。 本稿では,暗黙のフィードバックに対する確率的・変動的推薦を提案する。 提案したDPIとDVAEを4つの最先端レコメンデーションモデルに適用し、3つのデータセットで実験を行う。
  論文  参考訳（メタデータ） (2021-05-20T08:59:44Z)

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。