論文の概要: Random Walks with Erasure: Diversifying Personalized Recommendations on
Social and Information Networks
- arxiv url: http://arxiv.org/abs/2102.09635v1
- Date: Thu, 18 Feb 2021 21:53:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-22 13:32:53.384026
- Title: Random Walks with Erasure: Diversifying Personalized Recommendations on
Social and Information Networks
- Title（参考訳）: erasureによるランダムウォーク:ソーシャルおよび情報ネットワークにおけるパーソナライズドレコメンデーションの多様化
- Authors: Bibek Paudel, Abraham Bernstein
- Abstract要約: ユーザ・項目グラフのランダムウォーク探索を改良することにより,情報多様性の向上を目標とした新しい推薦フレームワークを開発した。
ソーシャルネットワーク上での政治コンテンツを推薦するために,まず,利用者と共有するコンテンツのイデオロギー的立場を推定する新しいモデルを提案する。
これらの推定位置に基づいて,新しいランダムウォークに基づくレコメンデーションアルゴリズムを用いて,多様なパーソナライズドレコメンデーションを生成する。
- 参考スコア（独自算出の注目度）: 4.007832851105161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most existing personalization systems promote items that match a user's
previous choices or those that are popular among similar users. This results in
recommendations that are highly similar to the ones users are already exposed
to, resulting in their isolation inside familiar but insulated information
silos. In this context, we develop a novel recommendation framework with a goal
of improving information diversity using a modified random walk exploration of
the user-item graph. We focus on the problem of political content
recommendation, while addressing a general problem applicable to
personalization tasks in other social and information networks.
For recommending political content on social networks, we first propose a new
model to estimate the ideological positions for both users and the content they
share, which is able to recover ideological positions with high accuracy. Based
on these estimated positions, we generate diversified personalized
recommendations using our new random-walk based recommendation algorithm. With
experimental evaluations on large datasets of Twitter discussions, we show that
our method based on \emph{random walks with erasure} is able to generate more
ideologically diverse recommendations. Our approach does not depend on the
availability of labels regarding the bias of users or content producers. With
experiments on open benchmark datasets from other social and information
networks, we also demonstrate the effectiveness of our method in recommending
diverse long-tail items.
- Abstract（参考訳）: 既存のパーソナライゼーションシステムのほとんどは、ユーザーの以前の選択に一致するアイテムや、類似のユーザーの間で人気があるアイテムを促進します。
これにより、ユーザーがすでに露出しているものと非常に類似した推奨が得られ、慣れ親しんだが絶縁された情報サイロの中に隔離されます。
そこで本稿では,ユーザ-テムグラフのランダムウォーク探索を用いて,情報多様性の向上を目的とした新しい推薦フレームワークを開発する。
他の社会・情報ネットワークにおけるパーソナライゼーションタスクに適用可能な一般的な問題に対処しつつ、政治的コンテンツ推薦の問題に焦点をあてる。
ソーシャルネットワーク上での政治コンテンツを推薦するために,まず,ユーザのイデオロギー的位置と共有するコンテンツの両方のイデオロギー的位置を推定し,イデオロギー的位置を高い精度で復元する新しいモデルを提案する。
これらの推定位置に基づいて,新しいランダムウォークに基づくレコメンデーションアルゴリズムを用いて,多様なパーソナライズドレコメンデーションを生成する。
twitterの議論の大規模データセットを実験的に評価した結果, \emph{random walk with erasure} に基づいた提案手法がよりイデオロギー的に多様なレコメンデーションを生成できることが判明した。
当社のアプローチは,ユーザやコンテンツ製作者のバイアスに関するラベルの可用性には依存しない。
他のソーシャルおよび情報ネットワークからのオープンベンチマークデータセットの実験により、この手法が様々なロングテールアイテムを推薦する効果を示す。
関連論文リスト
- Relevance meets Diversity: A User-Centric Framework for Knowledge Exploration through Recommendations [15.143224593682012]
本稿では,コプラ関数による妥当性と多様性を組み合わせた新しいレコメンデーション戦略を提案する。
我々は,システムと対話しながらユーザから得た知識量のサロゲートとして多様性を利用する。
我々の戦略は、最先端のライバル数社を上回っている。
論文 参考訳（メタデータ） (2024-08-07T13:48:24Z) - How to Diversify any Personalized Recommender? A User-centric Pre-processing approach [0.0]
推薦性能を維持しつつ,Top-Nレコメンデーションの多様性を向上させるための新しいアプローチを提案する。
当社のアプローチでは,ユーザを幅広いコンテンツカテゴリやトピックに公開するための,ユーザ中心の事前処理戦略を採用しています。
論文 参考訳（メタデータ） (2024-05-03T15:02:55Z) - Randomized algorithms for precise measurement of differentially-private,
personalized recommendations [6.793345945003182]
本稿では,高精度かつ偏りのある測定を容易にするパーソナライズされたレコメンデーションのためのアルゴリズムを提案する。
提案するプライバシ保護アルゴリズムが,ユーザエクスペリエンスや広告主の価値,プラットフォーム収益に関連する重要な指標に与える影響を定量化するために,オフライン実験を実施している。
論文 参考訳（メタデータ） (2023-08-07T17:34:58Z) - PLIERS: a Popularity-Based Recommender System for Content Dissemination
in Online Social Networks [5.505634045241288]
PLIERSと呼ばれる新しいタグベースのレコメンデーションシステムを提案する。
これは、ユーザーが主にアイテムやタグに興味を持ち、既に所有しているものと同様の人気があるという仮定に依存している。
PLIERSは、アルゴリズムと推奨項目のパーソナライズレベルとの良好なトレードオフを達成することを目的としている。
論文 参考訳（メタデータ） (2023-07-06T09:04:58Z) - 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) - Cross-Network Social User Embedding with Hybrid Differential Privacy
Guarantees [81.6471440778355]
プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。
特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。
ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
論文 参考訳（メタデータ） (2022-09-04T06:22:37Z) - 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) - Recommending with Recommendations [1.1602089225841632]
レコメンデーションシステムは、しばしば予測を行う際に敏感なユーザー情報を引き出す。
既存のサービスからのレコメンデーションに基づいて、サービスのレコメンデーションエンジンを基盤にすることで、この障害に対処する方法を示します。
我々の設定では、ユーザの(潜在的に敏感な)情報は高次元の潜在空間に属します。
論文 参考訳（メタデータ） (2021-12-02T04:30:15Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - Learning Diverse Fashion Collocation by Neural Graph Filtering [78.9188246136867]
本稿では,グラフニューラルネットワークを用いて,フレキシブルなファッションアイテムセットをモデル化する新しいファッションコロケーションフレームワークであるNeural Graph Filteringを提案する。
エッジベクトルに対称演算を適用することにより、このフレームワークは様々な入力/出力を許容し、それらの順序に不変である。
提案手法を,Polyvoreデータセット,Polyvore-Dデータセット,Amazon Fashionデータセットの3つの一般的なベンチマークで評価した。
論文 参考訳（メタデータ） (2020-03-11T16:17:08Z) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。