論文の概要: A Robust Reputation-based Group Ranking System and its Resistance to Bribery

• arxiv url: http://arxiv.org/abs/2004.06223v2
• Date: Fri, 17 Apr 2020 14:00:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-14 00:29:11.190255
• Title: A Robust Reputation-based Group Ranking System and its Resistance to Bribery
• Title（参考訳）: ロバスト評価に基づくグループランキングシステムとそのブリビーへの抵抗性
• Authors: Joao Saude and Guilherme Ramos and Ludovico Boratto and Carlos Caleiro
• Abstract要約: マルチパートレーティングワークを利用した評価に基づく新しいランキングシステムを提案する。 贈賄に対する抵抗性と最適な贈賄戦略の設計方法について検討する。
• 参考スコア（独自算出の注目度）: 8.300507994596416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The spread of online reviews and opinions and its growing influence on people's behavior and decisions, boosted the interest to extract meaningful information from this data deluge. Hence, crowdsourced ratings of products and services gained a critical role in business and governments. Current state-of-the-art solutions rank the items with an average of the ratings expressed for an item, with a consequent lack of personalization for the users, and the exposure to attacks and spamming/spurious users. Using these ratings to group users with similar preferences might be useful to present users with items that reflect their preferences and overcome those vulnerabilities. In this paper, we propose a new reputation-based ranking system, utilizing multipartite rating subnetworks, which clusters users by their similarities using three measures, two of them based on Kolmogorov complexity. We also study its resistance to bribery and how to design optimal bribing strategies. Our system is novel in that it reflects the diversity of preferences by (possibly) assigning distinct rankings to the same item, for different groups of users. We prove the convergence and efficiency of the system. By testing it on synthetic and real data, we see that it copes better with spamming/spurious users, being more robust to attacks than state-of-the-art approaches. Also, by clustering users, the effect of bribery in the proposed multipartite ranking system is dimmed, comparing to the bipartite case.
• Abstract（参考訳）: オンラインレビューや意見の拡散と人々の行動や意思決定への影響の高まりにより、このデータから意味のある情報を抽出する関心が高まった。 そのため、クラウドソーシングによる製品やサービスの評価は、ビジネスや政府において重要な役割を担った。 現在の最先端ソリューションは、アイテムに対して表現されたレーティングの平均値、ユーザに対するパーソナライゼーションの欠如、攻撃やスパム/盗みのユーザへの露出によって、アイテムをランク付けしている。 同様の好みを持つユーザをグループ化するためにこれらの評価を使用することは、ユーザの好みを反映し、脆弱性を克服するアイテムをユーザに提示する上で有用である。 本稿では,3つの尺度を用いてユーザをクラスタリングし,その中の2つをKolmogorov複雑性に基づいて評価するマルチパートレーティングサブネットワークを用いた,評価に基づく新しいランキングシステムを提案する。 また,贈収賄に対する抵抗性と最適な贈収賄戦略の設計方法についても検討した。 ユーザの異なるグループに対して、異なるランク付けを同じ項目に割り当てることによって、好みの多様性を反映する新しいシステムである。 我々はシステムの収束と効率を証明する。 合成データと実際のデータでテストすることで、スパムやスパムに対処し、最先端のアプローチよりも攻撃に強いことがわかりました。 また, クラスタリングにより, 提案したマルチパーティイトランキングシステムにおける収賄の効果を, バイパートイトの場合と比較して薄めている。

関連論文リスト

• Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
  本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。 9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
  論文  参考訳（メタデータ） (2024-10-03T13:02:07Z)
• Price-guided user attention in large-scale E-commerce group recommendation [4.899646467568438]
  実世界のEコマースデータセット上で広く利用されているグループ推薦モデルから,ユーザの注意点を分析した。 本稿では,ユーザアグリゲーションの指針として,アイテム価格を取り入れたグループ推薦手法を提案する。 以上の結果から,我々の価格誘導型ユーザアテンションアプローチは,ヒット率と平均二乗誤差で最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-10-02T22:46:51Z)
• System-2 Recommenders: Disentangling Utility and Engagement in Recommendation Systems via Temporal Point-Processes [80.97898201876592]
  本稿では,過去のコンテンツインタラクションが,自己興奮型ホークスプロセスに基づくユーザの到着率に影響を及ぼす生成モデルを提案する。 そこで本研究では,システム1とシステム2のアンタングルを解消し,ユーザ利用によるコンテンツ最適化を可能にすることを解析的に示す。
  論文  参考訳（メタデータ） (2024-05-29T18:19:37Z)
• Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
  レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。 本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。 本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
  論文  参考訳（メタデータ） (2024-05-09T05:45:18Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• Preference Poisoning Attacks on Reward Model Learning [47.00395978031771]
  ペア比較による報酬モデル学習における脆弱性の性質と範囲について検討する。 本稿では,これらの攻撃に対するアルゴリズム的アプローチのクラスとして,勾配に基づくフレームワークと,ランク・バイ・ディスタンス手法のいくつかのバリエーションを提案する。 最高の攻撃は多くの場合、非常に成功しており、最も極端な場合、100%の成功率を達成することができ、データのわずか0.3%が毒殺されている。
  論文  参考訳（メタデータ） (2024-02-02T21:45:24Z)
• The Impact of Recommendation Systems on Opinion Dynamics: Microscopic versus Macroscopic Effects [1.4180331276028664]
  本研究では,ユーザに対するレコメンデーションシステムの影響を,顕微鏡的(すなわち個々のユーザレベルで)とマクロ的視点の両方から検討する。 分析の結果,個々のユーザの意見の変化は,人口の意見分布の変化と必ずしも一致しないことが明らかとなった。
  論文  参考訳（メタデータ） (2023-09-16T11:44:51Z)
• Tensor-based Collaborative Filtering With Smooth Ratings Scale [0.0]
  人口レベルの異なる評価値間の依存性を表す評価の類似度行列を導入する。 利用者の比率を下げたり下げたりする効果をオフセットすることで、提案された推薦の質を向上させることができる。
  論文  参考訳（メタデータ） (2022-05-10T17:55:25Z)
• Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
  本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。 具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
  論文  参考訳（メタデータ） (2022-04-29T19:13:23Z)
• Causal Disentanglement with Network Information for Debiased Recommendations [34.698181166037564]
  近年の研究では、因果的観点からレコメンデーターシステムをモデル化することで、デビアスを提案する。 この設定における重要な課題は、隠れた共同設立者を説明することだ。 我々は,ネットワーク情報(すなわち,ユーザ・ソーシャルおよびユーザ・イテムネットワーク)を活用して,隠れた共同創設者をよりよく近似することを提案する。
  論文  参考訳（メタデータ） (2022-04-14T20:55:11Z)
• Partial Bandit and Semi-Bandit: Making the Most Out of Scarce Users' Feedback [62.997667081978825]
  本稿では,ユーザのフィードバックを考慮し,3つの戦略を用いて評価する手法を提案する。 ユーザからのフィードバックが制限されているにも関わらず(全体の20%以下)、我々の手法は最先端のアプローチと同じような結果が得られる。
  論文  参考訳（メタデータ） (2020-09-16T07:32:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。