論文の概要: Beyond Optimizing for Clicks: Incorporating Editorial Values in News Recommendation

• arxiv url: http://arxiv.org/abs/2004.09980v1
• Date: Tue, 21 Apr 2020 13:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 07:22:44.253401
• Title: Beyond Optimizing for Clicks: Incorporating Editorial Values in News Recommendation
• Title（参考訳）: クリックの最適化を超えて:ニュースレコメンデーションに編集価値を組み込む
• Authors: Feng Lu, Anca Dumitrache, David Graus
• Abstract要約: 本稿では,ニュース機関の編集価値の文脈で,自動ニュースレコメンデータシステムについて検討する。 提案する推薦システムは,より多様な読解行動をもたらし,記事のカバレッジを高める。
• 参考スコア（独自算出の注目度）: 10.458414681622799
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the uptake of algorithmic personalization in the news domain, news organizations increasingly trust automated systems with previously considered editorial responsibilities, e.g., prioritizing news to readers. In this paper we study an automated news recommender system in the context of a news organization's editorial values. We conduct and present two online studies with a news recommender system, which span one and a half months and involve over 1,200 users. In our first study we explore how our news recommender steers reading behavior in the context of editorial values such as serendipity, dynamism, diversity, and coverage. Next, we present an intervention study where we extend our news recommender to steer our readers to more dynamic reading behavior. We find that (i) our recommender system yields more diverse reading behavior and yields a higher coverage of articles compared to non-personalized editorial rankings, and (ii) we can successfully incorporate dynamism in our recommender system as a re-ranking method, effectively steering our readers to more dynamic articles without hurting our recommender system's accuracy.
• Abstract（参考訳）: ニュース分野におけるアルゴリズムによるパーソナライゼーションの獲得により、ニュース機関は、以前編集責任と考えられていた自動システム、例えば読者へのニュースの優先順位付けをますます信頼するようになった。 本稿では,ニュース機関の編集価値の文脈において,自動ニュース推薦システムについて検討する。 我々は、ニュースレコメンデーションシステムを用いて、2つのオンライン研究を実施し、その1ヶ月半で1200人以上のユーザーが参加する。 最初の研究では、セレンディピティー、ダイナミズム、多様性、カバレッジといった編集価値の文脈で、私たちのニュースレコメンデーターがどのように行動を読むかを考察する。 次に,読者をよりダイナミックな読書行動に導くために,ニュースレコメンデータを拡張するための介入研究を行う。 私たちはそれを見つけ (i)レコメンダシステムは,非パーソナライズド編集ランキングに比べて読解行動が多様であり,記事のカバレッジも高い。 (ii)レコメンダシステムの精度を損なうことなく、読者をよりダイナミックな記事へと効果的に操る手法として、レコメンダシステムにおいてダイナミズムをうまく組み込むことが出来ます。

関連論文リスト

• News Recommendation with Attention Mechanism [3.255950854798191]
  我々は,ニュースレコメンデーションのための注目に基づくアプローチであるNRAM(News Recommendation with Attention Mechanism)の実装について述べる。 評価の結果,NRAMは,デジタルニュースプラットフォーム上でのニュースコンテンツのパーソナライズ方法を大幅に改善する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-02-12T05:56:12Z)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Towards Corpus-Scale Discovery of Selection Biases in News Coverage: Comparing What Sources Say About Entities as a Start [65.28355014154549]
  本稿では,大規模ニュースコーパスにおけるニュースコンテンツから直接メディア選択バイアスのパターンを発見するために,スケーラブルなNLPシステムを構築する上での課題について検討する。 我々は,世界519のニュースソースから180万件のニュース記事のコーパスであるNELA-2020のケーススタディを通じて,フレームワークの能力を示す。
  論文  参考訳（メタデータ） (2023-04-06T23:36:45Z)
• DOR: A Novel Dual-Observation-Based Approach for News Recommendation Systems [2.7648976108201815]
  本稿では,ニュースレコメンデーションの問題に対処する新しい手法を提案する。 我々のアプローチは二重観測の考え方に基づいている。 ニュースの内容とユーザの視点の両方を考慮することで、よりパーソナライズされた正確なレコメンデーションを提供することができる。
  論文  参考訳（メタデータ） (2023-02-02T22:16:53Z)
• Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
  既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。 我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。 我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
  論文  参考訳（メタデータ） (2022-06-26T12:07:56Z)
• Quality-aware News Recommendation [92.67156911466397]
  既存のニュースレコメンデーションメソッドは主に、推奨するニュースの品質を無視しながら、ニュースクリックを最適化することを目的としています。 本稿では,推奨ニュースの品質を効果的に向上する品質対応ニュースレコメンデーション手法であるQualityRecを提案する。
  論文  参考訳（メタデータ） (2022-02-28T08:25:58Z)
• Why Do We Click: Visual Impression-aware News Recommendation [108.73539346064386]
  この作品は、ユーザーがニュースを閲覧する際に感じる視覚的印象に基づいてクリック決定を行うという事実にインスパイアされている。 本稿では,ニュースレコメンデーションのためのビジュアル・セマンティック・モデリングを用いて,このような視覚印象情報を捉えることを提案する。 さらに、グローバルな視点から印象を検査し、異なるフィールドの配置や印象に対する異なる単語の空間的位置などの構造情報を抽出する。
  論文  参考訳（メタデータ） (2021-09-26T16:58:14Z)
• A News Recommender System Considering Temporal Dynamics and Diversity [0.0]
  ニュースレコメンダーシステムでは、読者の好みは時間とともに変化します。 いくつかの選好は突然(短期選好)に流れ、他の選好は長い時間をかけて変化する。 私たちのシステムは、(i)読者行動のダイナミクスに対応でき、(ii)レコメンデーションモデルの設計における正確性と多様性の両方を考慮する必要があります。
  論文  参考訳（メタデータ） (2021-03-23T13:45:34Z)
• Deep Dynamic Neural Network to trade-off between Accuracy and Diversity in a News Recommender System [1.3126169294309855]
  本稿では,ニュースと読者の興味を統一した枠組みで学習する深層ニューラルネットワークを提案する。 読者のクリック履歴から読者の長期的関心、LSTMSによる最近のクリックからの短期的関心、および注意メカニズムを通じて多様な読者の興味を学びます。
  論文  参考訳（メタデータ） (2021-03-15T15:30:25Z)
• Graph Enhanced Representation Learning for News Recommendation [85.3295446374509]
  本稿では,ユーザとニュースの表現学習を強化するニューズレコメンデーション手法を提案する。 本手法では,歴史的ユーザクリック行動から構築した二部グラフのノードとして,ユーザとニュースをみなす。
  論文  参考訳（メタデータ） (2020-03-31T15:27:31Z)

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。