缓解微视频推荐的视频长度效应
摘要：微视频平台（如TikTok）现在非常受欢迎。其中一个重要特点是，用户不再从一个集合中选择感兴趣的视频，而是要么观看推荐的视频，要么跳转到下一个视频。因此，用户的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表明，视频长度会对观看时间的平均值产生影响，使得长视频更容易获得更高的平均观看时间，因此采用观看时间标签来衡量用户偏好很容易导致偏倚的模型，偏好长视频。本文提出了一种视频长度去偏推荐（VLDRec）方法，以减轻微视频推荐中的这种影响。VLDRec设计了数据标注方法和样本生成模块，以更好地从以观看时间为导向的角度捕捉用户偏好。它进一步利用多任务学习技术来共同优化上述样本与原有偏向样本。广泛的实验表明，与最佳基线方法相比，VLDRec在两个真实数据集上，给定固定总体视频长度的推荐列表时，可以提高用户的观看时间分别为1.81％和11.32％。此外，VLDRec在匹配视频内容方面也更加有效。
作者：Yuhan Quan, Jingtao Ding, Chen Gao, Nian Li, Lingling Yi, Depeng Jin, Yong Li
论文ID：2308.14276
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-09-01