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
- Preference Poisoning Attacks on Reward Model Learning [49.806139447922526]
攻撃者は、目標とする結果の促進または復号化を目標として、好み比較の小さなサブセットを反転させることができることを示す。
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。
我々はまた、他の種類の毒殺攻撃に対する最先端の防御策が、少なくとも我々の環境では有効性に制限されていることも示している。
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) - Graph Exploration Matters: Improving both individual-level and
system-level diversity in WeChat Feed Recommender [21.0013026365164]
個人レベルの多様性とシステムレベルの多様性はどちらも産業レコメンデーターシステムにとって重要である。
WeChat AppのTop Storiesで、数億人のユーザが使用するシステムの実装とデプロイを行います。
論文 参考訳(メタデータ) (2023-05-29T19:25:32Z) - Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。
そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。
以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
論文 参考訳(メタデータ) (2023-05-18T15:37:38Z) - Simpson's Paradox in Recommender Fairness: Reconciling differences
between per-user and aggregated evaluations [16.053419956606557]
ランク付けとレコメンダシステムにおける公平性という2つの概念は、反対の結論につながる可能性があると論じる。
我々はこれらの概念を整理し、テンションはアイテムが関係するユーザの分布の違いによるものであることを示す。
この新たな理解に基づいて、実践者はどちらの概念にも興味を持っているかもしれないが、ユーザ単位のメトリクスで課題に直面しているかもしれない。
論文 参考訳(メタデータ) (2022-10-14T12:43:32Z) - Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。
本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。
我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
論文 参考訳(メタデータ) (2022-07-04T17:49:25Z) - 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) - Estimation of Fair Ranking Metrics with Incomplete Judgments [70.37717864975387]
本研究では,4つの評価指標のサンプリング手法と推定手法を提案する。
ラベル付きアイテムの数が極めて少ない場合でも動作可能な頑健で偏りのない推定器を定式化する。
論文 参考訳(メタデータ) (2021-08-11T10:57:00Z) - 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。