論文の概要: Echo Chambers in Collaborative Filtering Based Recommendation Systems

• arxiv url: http://arxiv.org/abs/2011.03890v1
• Date: Sun, 8 Nov 2020 02:35:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 08:09:41.395130
• Title: Echo Chambers in Collaborative Filtering Based Recommendation Systems
• Title（参考訳）: 協調フィルタリングに基づく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
• Authors: Emil Noordeh, Roman Levin, Ruochen Jiang, Harris Shadmany
• Abstract要約: 我々は、MovieLensデータセットのユーザに対して協調フィルタリングアルゴリズムによって与えられるレコメンデーションをシミュレートする。 システム生成レコメンデーションの長期曝露は、コンテンツの多様性を著しく低下させる。 我々の研究は、これらのエコーチャンバが確立すれば、個々のユーザが自分の評価ベクトルのみを操作することで、突破するのは難しいことを示唆している。
• 参考スコア（独自算出の注目度）: 1.5140493624413542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommendation systems underpin the serving of nearly all online content in the modern age. From Youtube and Netflix recommendations, to Facebook feeds and Google searches, these systems are designed to filter content to the predicted preferences of users. Recently, these systems have faced growing criticism with respect to their impact on content diversity, social polarization, and the health of public discourse. In this work we simulate the recommendations given by collaborative filtering algorithms on users in the MovieLens data set. We find that prolonged exposure to system-generated recommendations substantially decreases content diversity, moving individual users into "echo-chambers" characterized by a narrow range of content. Furthermore, our work suggests that once these echo-chambers have been established, it is difficult for an individual user to break out by manipulating solely their own rating vector.
• Abstract（参考訳）: レコメンデーションシステムは、現代におけるほぼすべてのオンラインコンテンツの提供を支える。 youtubeやnetflixのレコメンデーション、facebookフィードやgoogle検索など、これらのシステムはユーザーの予測した好みに合わせてコンテンツをフィルタリングするように設計されている。 近年、これらのシステムは、コンテンツの多様性、社会的分極、公共の談話の健全性に対する影響について、批判が高まっている。 本研究では,movielensデータセットにおけるユーザの協調フィルタリングアルゴリズムによる推薦をシミュレートする。 システム生成型レコメンデーションへの長時間の露出は、コンテンツの多様性を著しく減少させ、個々のユーザを狭い範囲のコンテンツによって特徴付けられる「エコーチャンバー」へと移行させる。 さらに,これらのエコーチャンバが確立すれば,個人の評価ベクトルのみを操作すれば,個々のユーザによる発見が困難になる可能性が示唆された。

関連論文リスト

• User Welfare Optimization in Recommender Systems with Competing Content Creators [65.25721571688369]
  本研究では,コンテンツ制作者間での競争ゲーム環境下で,システム側ユーザ福祉の最適化を行う。 本稿では,推奨コンテンツの満足度に基づいて,各ユーザの重みの列を動的に計算する,プラットフォームのためのアルゴリズムソリューションを提案する。 これらの重みはレコメンデーションポリシーやポストレコメンデーション報酬を調整するメカニズムの設計に利用され、それによってクリエイターのコンテンツ制作戦略に影響を与える。
  論文  参考訳（メタデータ） (2024-04-28T21:09:52Z)
• Uncovering the Deep Filter Bubble: Narrow Exposure in Short-Video Recommendation [30.395376392259497]
  フィルタバブルは、オンラインコンテンツプラットフォームのコンテキスト内で広く研究されている。 ショートビデオプラットフォームの増加に伴い、フィルターバブルはさらに注目されている。
  論文  参考訳（メタデータ） (2024-03-07T14:14:40Z)
• 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)
• 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)
• The Amplification Paradox in Recommender Systems [12.723777984461693]
  シミュレーションを通して、レコメンデータシステムの協調フィルタリングの性質と極度のコンテンツのニッチさが明らかにパラドックスを解消できることを示す。 提案手法は,「アルゴリズム増幅の微妙な解釈」であり,レコメンデータシステムの監査において,利用者にコンテンツの有用性をモデル化することの重要性を強調したものである。
  論文  参考訳（メタデータ） (2023-02-22T09:12:48Z)
• Mitigating Filter Bubbles within Deep Recommender Systems [2.3590112541068575]
  推薦システムは、様々な視点からユーザーを知的に隔離したり、フィルターバブルを引き起こすことが知られている。 このフィルタバブル効果を,ユーザとテムのインタラクション履歴に基づいて,様々なデータポイントを分類し,緩和する。 我々は、このフィルタバブル効果を、リコメンデータシステムを再訓練することで、精度を損なうことなく軽減する。
  論文  参考訳（メタデータ） (2022-09-16T22:00:10Z)
• Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
  近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。 本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。 従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
  論文  参考訳（メタデータ） (2022-07-04T17:58:39Z)
• PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
  本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2021-06-05T01:33:21Z)
• Modurec: Recommender Systems with Feature and Time Modulation [50.51144496609274]
  特徴量変調機構を用いて利用可能な情報を全て組み合わせたオートエンコーダに基づくModurecを提案する。 Movielensデータセットでは、これらの修正によって、最も評価された設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2020-10-13T09:18:33Z)
• Survey of Privacy-Preserving Collaborative Filtering [3.670848852348134]
  協調フィルタリングレコメンデーションシステムは、自身の過去の好みと、同様の関心を持つ他のユーザの好みに基づいて、ユーザにレコメンデーションを提供する。 このようなシステムを使用する場合、ユーザはプライバシを心配することが多く、ほとんどのオンラインサービスに正確な情報を提供することに消極的だ。 プライバシ保存協調フィルタリングレコメンデーションシステムは、データのプライバシに関する一定の保証を維持しながら、ユーザに正確なレコメンデーションを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-18T17:14:50Z)
• Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
  シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。 まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
  論文  参考訳（メタデータ） (2019-12-28T05:12:28Z)

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。