基于耦合捐赠-响应张量分解的直播多流与捐赠推荐
信息检索
2021-10-13 v1 机器学习
摘要
与传统在线视频不同，直播多流支持多个主播与观众之间的实时社交互动，例如捐赠。然而，由于复杂的主播与观众关系、非对称通信以及个人兴趣与群体互动之间的权衡，捐赠与多流频道推荐具有挑战性。在本文中，我们引入多流派对（MSP）并形式化了一个称为捐赠与 MSP 推荐（DAMRec）的新多流推荐问题。我们提出多流派对推荐系统（MARS），通过社会-时间耦合捐赠-响应张量分解提取潜特征，用于捐赠与 MSP 推荐。在 Twitch 和 Douyu 上的实验结果表明，MARS 在命中率与平均精度均值方面显著优于现有推荐系统至少 38.8%。
引用
@article{arxiv.2110.06117,
title = {Live Multi-Streaming and Donation Recommendations via Coupled Donation-Response Tensor Factorization},
author = {Hsu-Chao Lai and Jui-Yi Tsai and Hong-Han Shuai and Jiun-Long Huang and Wang-Chien Lee and De-Nian Yang},
journal= {arXiv preprint arXiv:2110.06117},
year = {2021}
}