본 논문은 짧은 비디오 추천을 위한 새로운 브라우징 과정 생성 모델과 시청 시간 예측을 위한 새로운 Segment Content Aware Model via User Engagement Feedback (SCAM)을 제안합니다. 기존의 다중 모달 특징에 의존하는 방법과 달리, SCAM은 사용자의 과거 시청 행동을 통해 비디오 콘텐츠를 암묵적으로 모델링하여 복잡한 다중 모달 데이터 없이 세그먼트 수준의 이해를 가능하게 합니다. 지속 시간을 기반으로 비디오를 세그먼트로 나누고 Transformer 유사 아키텍처를 사용하여 SCAM은 세그먼트 간의 순차적 의존성을 포착하는 동시에 지속 시간 편향을 완화합니다. 산업 규모 및 공개 데이터 세트에 대한 광범위한 실험은 시청 시간 예측에서 SCAM의 최첨단 성능을 보여줍니다. 제안된 접근 방식은 세그먼트 수준 모델링과 사용자 참여 피드백을 활용하여 비디오 추천을 위한 확장 가능하고 효과적인 솔루션을 제공합니다.
