論文の概要: Heterogeneous Demand Effects of Recommendation Strategies in a Mobile
Application: Evidence from Econometric Models and Machine-Learning
Instruments
- arxiv url: http://arxiv.org/abs/2102.10468v1
- Date: Sat, 20 Feb 2021 22:58:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 15:59:36.769919
- Title: Heterogeneous Demand Effects of Recommendation Strategies in a Mobile
Application: Evidence from Econometric Models and Machine-Learning
Instruments
- Title（参考訳）: モバイルアプリケーションにおけるレコメンデーション戦略の異種需要効果--計量モデルと機械学習機器からのエビデンス
- Authors: Panagiotis Adamopoulos, Anindya Ghose, Alexander Tuzhilin
- Abstract要約: 本研究では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。
提案手法では, 有効性に有意な差が認められた。
我々は,ユーザ生成レビューのディープラーニングモデルに基づいて,製品分化(アイソレーション)をキャプチャする新しいエコノメトリ機器を開発した。
- 参考スコア（独自算出の注目度）: 73.7716728492574
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we examine the effectiveness of various recommendation
strategies in the mobile channel and their impact on consumers' utility and
demand levels for individual products. We find significant differences in
effectiveness among various recommendation strategies. Interestingly,
recommendation strategies that directly embed social proofs for the recommended
alternatives outperform other recommendations. Besides, recommendation
strategies combining social proofs with higher levels of induced awareness due
to the prescribed temporal diversity have an even stronger effect on the mobile
channel. In addition, we examine the heterogeneity of the demand effect across
items, users, and contextual settings, further verifying empirically the
aforementioned information and persuasion mechanisms and generating rich
insights. We also facilitate the estimation of causal effects in the presence
of endogeneity using machine-learning methods. Specifically, we develop novel
econometric instruments that capture product differentiation (isolation) based
on deep-learning models of user-generated reviews. Our empirical findings
extend the current knowledge regarding the heterogeneous impact of recommender
systems, reconcile contradictory prior results in the related literature, and
have significant business implications.
- Abstract（参考訳）: 本稿では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。
様々な推奨方略に有意な効果差が認められた。
興味深いことに、推奨の代替案の社会的証明を直接埋め込む推奨戦略は、他の推奨よりも優れている。
さらに、所定の時間的多様性による社会的証明と高い意識のレベルを組み合わせた推奨策は、移動チャネルにさらに強い影響を与える。
さらに,アイテムやユーザ,コンテキストの設定における需要効果の多様性を検証し,上記の情報や説得メカニズムを実証的に検証し,豊富な洞察を得る。
また,機械学習を用いた内在性の有無における因果効果の推定も行う。
具体的には,ユーザ生成レビューのディープラーニングモデルに基づいて,製品差別化(分離)を捉えた新しい計量計測器を開発した。
以上の結果から,レコメンダシステムによる不均質な影響に関する現在の知識,関連文献における矛盾した先行結果の解消,ビジネス的意義が示唆された。
関連論文リスト
- Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。
本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-09T04:20:15Z) - Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。
因果的観点からRSを定式化し、二元的介入として勧告を定式化する。
提案手法では,結果の一致を最大化する手法を提案する。
論文 参考訳（メタデータ） (2024-08-19T07:21:02Z) - KnowPO: Knowledge-aware Preference Optimization for Controllable Knowledge Selection in Retrieval-Augmented Language Models [14.057527352653787]
本稿では,適応的な知識選択を実現することを目的とした,知識認識型参照最適化戦略であるKnowPOを提案する。
KnowPOは,従来の知識衝突処理手法を37%以上上回る性能を示した。
論文 参考訳（メタデータ） (2024-08-06T16:55:54Z) - Stability of Explainable Recommendation [10.186029242664931]
既存の特徴指向の説明可能なレコメンデーションの脆弱性について検討する。
我々は、全ての説明可能なモデルが騒音レベルの増加に弱いことを観察する。
本研究は,レコメンデーションシステムにおけるロバストな説明の話題について,実証的な検証を行った。
論文 参考訳（メタデータ） (2024-05-03T04:44:51Z) - Revisiting Data Augmentation in Deep Reinforcement Learning [3.660182910533372]
画像に基づく深部強化学習(DRL)において、様々なデータ拡張技術が提案されている。
既存の手法を分析し、それらをよりよく理解し、どのように接続されているかを明らかにする。
この分析は、データ拡張をより原則的に活用する方法を推奨する。
論文 参考訳（メタデータ） (2024-02-19T14:42:10Z) - Effect of recommending users and opinions on the network connectivity and idea generation process [0.1843404256219181]
本研究では、リコメンデーションシステムが個人の行動特性がソーシャルネットワークのダイナミクスに与える影響について検討する。
ホモフィリーとユーザによる新しいアイデアへのオープンさ、新しい意見へのレコメンデーションによる露出の相互作用を探求する。
論文 参考訳（メタデータ） (2024-01-29T19:22:24Z) - Causal Disentangled Variational Auto-Encoder for Preference
Understanding in Recommendation [50.93536377097659]
本稿では,コメンテータシステムにおける対話データから因果不整合表現を学習するためのCaD-VAE(Causal Disentangled Variational Auto-Encoder)を提案する。
この手法は構造因果モデルを用いて、潜在因子間の因果関係を記述する因果表現を生成する。
論文 参考訳（メタデータ） (2023-04-17T00:10:56Z) - Justification of Recommender Systems Results: A Service-based Approach [4.640835690336653]
本稿では,サービスモデルを用いて商品とのインタラクションのすべての段階に関するレビューから経験データを抽出する,新たな正当化手法を提案する。
ユーザスタディでは,提案手法を,推奨システムの結果の正当性を反映したベースラインと比較した。
我々のモデルは、好奇心のレベルが異なるユーザや、認知の必要度(NfC)の低いユーザによって、より高いインタフェース適合度と満足度の評価を受けた。
これらの知見は、推薦システムの結果を正当化するためのサービスモデルの導入を奨励するが、多様なインタラクションニーズに適合するパーソナライズ戦略の調査を推奨する。
論文 参考訳（メタデータ） (2022-11-07T11:08:19Z) - Sequential Recommendation with Self-Attentive Multi-Adversarial Network [101.25533520688654]
逐次レコメンデーションにおける文脈情報の影響を明示的にモデル化するためのMFGAN(Multi-Factor Generative Adversarial Network)を提案する。
当社のフレームワークは,複数種類の因子情報を組み込むことが柔軟であり,各因子が推奨決定にどのように貢献するかを時間とともに追跡することができる。
論文 参考訳（メタデータ） (2020-05-21T12:28:59Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。