缓解微视频推荐中的视频时长效应
信息检索
2023-09-01 v2
摘要
如今，TikTok 等微视频平台极为流行。一个重要特征是用户不再从一组视频中选择感兴趣的视频，而是观看推荐视频或跳过至下一个。因此，用户观看行为的时间长度成为识别偏好的最重要信号。然而，我们的实证数据分析显示了一种视频时长效应：长视频更容易获得更高的平均观看时长值，因此采用此类观看时长标签来衡量用户偏好，容易诱导出偏向长视频的有偏模型。本文提出一种视频时长去偏推荐（VLDRec）方法，以缓解微视频推荐中的该效应。VLDRec 设计了数据标注方法与样本生成模块，以面向观看时长的方式更好地捕捉用户偏好。它进一步利用多任务学习技术，将上述样本与原始有偏样本联合优化。大量实验表明，在给定固定总视频长度的推荐列表下，与最佳基线方法相比，VLDRec 在两个真实数据集上分别将用户观看时长提升了 1.81% 和 11.32%。此外，VLDRec 在匹配用户视频内容兴趣方面也更为有效。
引用
@article{arxiv.2308.14276,
title = {Alleviating Video-Length Effect for Micro-video Recommendation},
author = {Yuhan Quan and Jingtao Ding and Chen Gao and Nian Li and Lingling Yi and Depeng Jin and Yong Li},
journal= {arXiv preprint arXiv:2308.14276},
year = {2023}
}
备注
Accept by TOIS