Buchumschlag

SWaT: Statistical Modeling of Video Watch Time through User Behavior Analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Shentao, Yang, Haichuan, Du, Linna, Ganesh, Adithya, Peng, Bo, Liu, Boying, Li, Serena, Liu, Ji
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explicit Uncertainty Modeling for Video Watch Time Prediction
von: Wu, Shanshan, et al.
Veröffentlicht: (2025)

Relative Advantage Debiasing for Watch-Time Prediction in Short-Video Recommendation
von: Liu, Emily, et al.
Veröffentlicht: (2025)

Counteracting Duration Bias in Video Recommendation via Counterfactual Watch Time
von: Zhao, Haiyuan, et al.
Veröffentlicht: (2024)

Personalized Tree-Based Progressive Regression Model for Watch-Time Prediction in Short Video Recommendation
von: Chen, Xiaokai, et al.
Veröffentlicht: (2025)

DADF: A Distribution-Aware Debiasing Framework for Watch-Time Regression in Recommender Systems
von: Yang, Yiqing, et al.
Veröffentlicht: (2026)

HyperZero: A Customized End-to-End Auto-Tuning System for Recommendation with Hourly Feedback
von: Cai, Xufeng, et al.
Veröffentlicht: (2025)

Modeling User Retention through Generative Flow Networks
von: Liu, Ziru, et al.
Veröffentlicht: (2024)

Federated User Behavior Modeling for Privacy-Preserving LLM Recommendation
von: Guo, Lei, et al.
Veröffentlicht: (2026)

Generative Regression Based Watch Time Prediction for Short-Video Recommendation
von: Ma, Hongxu, et al.
Veröffentlicht: (2024)

CREAD: A Classification-Restoration Framework with Error Adaptive Discretization for Watch Time Prediction in Video Recommender Systems
von: Sun, Jie, et al.
Veröffentlicht: (2024)

Multimodal Foundation Model-Driven User Interest Modeling and Behavior Analysis on Short Video Platforms
von: Zhao, Yushang, et al.
Veröffentlicht: (2025)

Multifaceted User Modeling in Recommendation: A Federated Foundation Models Approach
von: Zhang, Chunxu, et al.
Veröffentlicht: (2024)

Multi-Granularity Distribution Modeling for Video Watch Time Prediction via Exponential-Gaussian Mixture Network
von: Zhao, Xu, et al.
Veröffentlicht: (2025)

Improving Sequential Recommender Systems with Online and In-store User Behavior
von: Ma, Luyi, et al.
Veröffentlicht: (2024)

Beyond Relevance: Improving User Engagement by Personalization for Short-Video Search
von: Bao, Wentian, et al.
Veröffentlicht: (2024)

PRISM: Refracting the Entangled User Behavior Space for E-Commerce Search
von: Zhang, Haoqian, et al.
Veröffentlicht: (2026)

PersonaAct: Simulating Short-Video Users with Personalized Agents for Counterfactual Filter Bubble Auditing
von: Zhao, Shilong, et al.
Veröffentlicht: (2026)

User Invariant Preference Learning for Multi-Behavior Recommendation
von: Yan, Mingshi, et al.
Veröffentlicht: (2025)

Next-User Retrieval: Enhancing Cold-Start Recommendations via Generative Next-User Modeling
von: Lan, Yu-Ting, et al.
Veröffentlicht: (2025)

Towards Automatic Sampling of User Behaviors for Sequential Recommender Systems
von: Zhang, Hao, et al.
Veröffentlicht: (2023)

Behavior Pattern Mining-based Multi-Behavior Recommendation
von: Li, Haojie, et al.
Veröffentlicht: (2024)

Can We Predict the Next Question? A Collaborative Filtering Approach to Modeling User Behavior
von: Fu, Bokang, et al.
Veröffentlicht: (2025)

Multi-granularity Interest Retrieval and Refinement Network for Long-Term User Behavior Modeling in CTR Prediction
von: Xu, Xiang, et al.
Veröffentlicht: (2024)

When Federated Recommendation Meets Cold-Start Problem: Separating Item Attributes and User Interactions
von: Zhang, Chunxu, et al.
Veröffentlicht: (2023)

VQL: An End-to-End Context-Aware Vector Quantization Attention for Ultra-Long User Behavior Modeling
von: Li, Kaiyuan, et al.
Veröffentlicht: (2025)

UniSAR: Modeling User Transition Behaviors between Search and Recommendation
von: Shi, Teng, et al.
Veröffentlicht: (2024)

Leveraging Scene Context with Dual Networks for Sequential User Behavior Modeling
von: Chen, Xu, et al.
Veröffentlicht: (2025)

DMGIN: How Multimodal LLMs Enhance Large Recommendation Models for Lifelong User Post-click Behaviors
von: Wei, Zhuoxing, et al.
Veröffentlicht: (2025)

Decoy Effect In Search Interaction: Understanding User Behavior and Measuring System Vulnerability
von: Chen, Nuo, et al.
Veröffentlicht: (2024)

User and Recommender Behavior Over Time: Contextualizing Activity, Effectiveness, Diversity, and Fairness in Book Recommendation
von: Barenji, Samira Vaez, et al.
Veröffentlicht: (2025)

Test-Time Alignment for Tracking User Interest Shifts in Sequential Recommendation
von: Zhang, Changshuo, et al.
Veröffentlicht: (2025)

MIM: Multi-modal Content Interest Modeling Paradigm for User Behavior Modeling
von: Yan, Bencheng, et al.
Veröffentlicht: (2025)

Hierarchical Tree Search-based User Lifelong Behavior Modeling on Large Language Model
von: Xia, Yu, et al.
Veröffentlicht: (2025)

ULMRec: User-centric Large Language Model for Sequential Recommendation
von: Shao, Minglai, et al.
Veröffentlicht: (2024)

ENCODE: Breaking the Trade-Off Between Performance and Efficiency in Long-Term User Behavior Modeling
von: Zhou, Wenji, et al.
Veröffentlicht: (2025)

Learning Evolving Preferences: A Federated Continual Framework for User-Centric Recommendation
von: Zhang, Chunxu, et al.
Veröffentlicht: (2026)

Generative Chain of Behavior for User Trajectory Prediction
von: Huang, Chengkai, et al.
Veröffentlicht: (2026)

Learning Universal User Representations Leveraging Cross-domain User Intent at Snapchat
von: Ju, Clark Mingxuan, et al.
Veröffentlicht: (2025)

User Behavior Simulation with Large Language Model based Agents
von: Wang, Lei, et al.
Veröffentlicht: (2023)

Harnessing Light for Cold-Start Recommendations: Leveraging Epistemic Uncertainty to Enhance Performance in User-Item Interactions
von: Xiang, Yang, et al.
Veröffentlicht: (2025)