基于MMGCN与用户偏好的多模态方法提升直播间播客参与度
信息检索
2025-09-30 v3 人工智能
摘要
本文旨在探索多模态方法以提升直播间播客参与度，通过开发一种集成多模态图卷积网络（MMGCN）与用户偏好的短视频推荐系统。为提供符合个体兴趣的个性化推荐，所提出的系统考虑用户交互数据、视频内容特征和上下文信息。借助将协同过滤与基于内容的过滤技术相结合的混合方法，该系统能够捕捉用户、视频属性和参与模式之间的细微关系。为评估该系统的有效性，本文使用了Kwai、TikTok和MovieLens三个数据集。与DeepFM、Wide & Deep、LightGBM和XGBoost等基线模型相比，所提出的MMGCN基于模型表现优异。该模型的一个显著特点是，在捕捉多样化用户偏好和进行准确、个性化推荐方面，优于所有基线方法，实现Kwai F1分数为0.574、Tiktok F1分数为0.506、MovieLens F1分数为0.197。我们强调了多模态集成和用户中心方法在推动推荐系统发展方面的重要作用，强调其在提升直播平台内容发现和观众互动方面的作用。
引用
@article{arxiv.2506.23085,
title = {Enhancing Live Broadcast Engagement: A Multi-modal Approach to Short Video Recommendations Using MMGCN and User Preferences},
author = {Saeid Aghasoleymani Najafabadi and Elaheh Nabavi Nia},
journal= {arXiv preprint arXiv:2506.23085},
year = {2025}
}