UniShare：用于联合视频与接收者推荐的统一框架
社会与信息网络
2026-02-11 v1
摘要
短视频平台上的分享行为构成用户（分享者）、视频（内容）和接收者之间的复杂三元交互。传统工业解决方案通常将其解耦为两个独立任务：视频推荐（预测分享概率）和接收者推荐（预测分享给谁），导致因孤立建模和信息利用不足而性能次优。为此，我们提出 UniShare，一个用于视频和接收者推荐联合分享预测的新型统一框架。UniShare 通过增强表示学习模块 incorporating 预训练图神经网络和多模态嵌入，以及显式的双向兴趣和关系匹配，来建模分享概率。我们的关键创新是联合训练范式，利用两个任务的信号相互增强，缓解数据稀疏性并提高双向满意度。我们还引入 K-Share，一个来自快手平台日志构建的大规模真实世界数据集，以支持该领域的研究。大量离线实验表明，UniShare 在两个任务上均显著优于强大基线。此外，在快手平台上的在线 A/B 测试确认了其有效性，关键指标包括分享次数提升 1.95% 和接收者回复率提升 0.482%。
引用
@article{arxiv.2602.09618,
title = {UniShare: A Unified Framework for Joint Video and Receiver Recommendation in Social Sharing},
author = {Caimeng Wang and Li Chong and Dongxu Liu and Xu Min and Jianhui Bu},
journal= {arXiv preprint arXiv:2602.09618},
year = {2026}
}