Predicting Movie Hits Before They Happen with LLMs

要約

コンテンツ推薦におけるコールドスタート問題への取り組みは、現在進行中の重要な課題である。本研究では、大規模なエンターテイメントプラットフォームにおける映画のコールドスタート問題に取り組むことに焦点を当てる。我々の主な目標は、映画のメタデータを活用した大規模言語モデル（LLM）を用いて、コールドスタート映画の人気を予測することである。この方法は、パーソナライゼーションパイプライン内の検索システムに統合されたり、従来の解決策やアルゴリズムによる解決策では見落とされる可能性のある映画の公正なプロモーションを保証するための編集チームのツールとして採用される可能性がある。我々の研究は、確立されたベースラインと我々が開発したベースラインと比較して、このアプローチの有効性を検証している。

要約(オリジナル)

Addressing the cold-start issue in content recommendation remains a critical ongoing challenge. In this work, we focus on tackling the cold-start problem for movies on a large entertainment platform. Our primary goal is to forecast the popularity of cold-start movies using Large Language Models (LLMs) leveraging movie metadata. This method could be integrated into retrieval systems within the personalization pipeline or could be adopted as a tool for editorial teams to ensure fair promotion of potentially overlooked movies that may be missed by traditional or algorithmic solutions. Our study validates the effectiveness of this approach compared to established baselines and those we developed.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL