解釈可能なオンライン動画の人気予測のための知識ベースの時間融合ネットワーク

オンライン動画の人気を予測することは、推薦、正確な広告、エッジキャッシング戦略など、さまざまな実世界のアプリケーションがあります。オンライン動画の人気予測には多くの努力が注がれてきましたが、いくつかの課題が依然として存在します：(1) オンライン動画のメタデータは通常、まばらでノイズが多く、安定した頑健な表現を学習することが難しいです。(2) コンテンツ機能と時間機能の影響がオンライン動画の異なるライフサイクルで動的に変化するため、ダイナミクスを捉えることができるモデルを構築する必要があります。(3) さらに、動画プラットフォームの管理者がその後の意思決定を支援するために、モデルの予測行動を解釈する必要性が高まっています。