PulseAugur
中
实时 10:03:27
English(EN) M3TR: Temporal Retrieval Enhanced Multi-Modal Micro-video Popularity Prediction

M3TR框架提升微视频流行度预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出M3TR，一个旨在提高微视频流行度预测能力的新型框架。该系统通过引入Mamba-Hawkes Process模块来更好地模拟用户参与动态，并引入一个考虑内容和流行度演变的时间感知检索引擎，从而解决了当前方法的局限性。实验表明，M3TR在真实数据集上的表现显著优于现有方法，nMSE提高了19.3%。 AI

影响 该框架有望在社交媒体领域实现更准确的内容推荐和趋势预测。

排序理由 该集群包含一篇详细介绍特定AI任务新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

M3TR框架提升微视频流行度预测能力

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jiacheng Lu, Weijian Wang, Mingyuan Xiao, Yang Hua, Tao Song, Bo Peng, Cheng Hua, Haibing Guan ·

    M3TR：时间检索增强的多模态短视频热度预测

    arXiv:2411.15455v3 Announce Type: replace-cross Abstract: Accurately predicting the popularity of micro-videos is a critical but challenging task, characterized by volatile, `rollercoaster-like' engagement dynamics. Existing methods often fail to capture these complex temporal pa…

相关话题