論文の概要: A Methodology for the Offline Evaluation of Recommender Systems in a
User Interface with Multiple Carousels
- arxiv url: http://arxiv.org/abs/2105.06275v1
- Date: Thu, 13 May 2021 13:14:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-14 13:47:37.819337
- Title: A Methodology for the Offline Evaluation of Recommender Systems in a
User Interface with Multiple Carousels
- Title(参考訳): 複数のカルーセルを用いたユーザインタフェースにおけるレコメンダシステムのオフライン評価手法
- Authors: Nicol\`o Felicioni, Maurizio Ferrari Dacrema, Paolo Cremonesi
- Abstract要約: ビデオオンデマンドおよび音楽ストリーミングサービスは、複数の推奨リストからなるページをユーザーに提供します。
展示するカルーセルを選択するための効率的な戦略を見つけることは、大きな産業的関心の活発な研究課題である。
本論文では, カルーセル設定のオフライン評価プロトコルを提案し, モデルの推奨品質を, すでに利用可能なカルーセルのセットでどれだけ改善するかによって測定する。
- 参考スコア(独自算出の注目度): 7.8851236034886645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many video-on-demand and music streaming services provide the user with a
page consisting of several recommendation lists, i.e. widgets or swipeable
carousels, each built with a specific criterion (e.g. most recent, TV series,
etc.). Finding efficient strategies to select which carousels to display is an
active research topic of great industrial interest. In this setting, the
overall quality of the recommendations of a new algorithm cannot be assessed by
measuring solely its individual recommendation quality. Rather, it should be
evaluated in a context where other recommendation lists are already available,
to account for how they complement each other. This is not considered by
traditional offline evaluation protocols. Hence, we propose an offline
evaluation protocol for a carousel setting in which the recommendation quality
of a model is measured by how much it improves upon that of an already
available set of carousels. We report experiments on publicly available
datasets on the movie domain and notice that under a carousel setting the
ranking of the algorithms change. In particular, when a SLIM carousel is
available, matrix factorization models tend to be preferred, while item-based
models are penalized. We also propose to extend ranking metrics to the
two-dimensional carousel layout in order to account for a known position bias,
i.e. users will not explore the lists sequentially, but rather concentrate on
the top-left corner of the screen.
- Abstract(参考訳): 多くのビデオオンデマンドおよび音楽ストリーミングサービスは、ユーザにいくつかの推奨リストからなるページを提供する。
ウィジェットまたはスワイプ可能なカルーセルで、それぞれ特定の基準(例)で構築される。
最近ではテレビシリーズなど)。
展示するカルーセルを選択するための効率的な戦略を見つけることは、大きな産業的関心の活発な研究課題である。
この設定では、個々の推奨品質のみを測定することで、新しいアルゴリズムの推奨の全体的な品質を評価することはできない。
むしろ、他のレコメンデーションリストがすでに利用可能なコンテキストで評価され、相互補完の方法が考慮される必要がある。
これは従来のオフライン評価プロトコルでは考慮されていない。
そこで本研究では,すでに利用可能なカルーセルセットに対して,モデルの推奨品質をどの程度改善するかによって測定するカルーセル設定のためのオフライン評価プロトコルを提案する。
我々は,映画領域における公開データセットに関する実験を報告し,アルゴリズム変更のランキングを設定するカルーセルにおいて注意する。
特に、SLIMカルーセルが利用できる場合、行列分解モデルは好まれ、アイテムベースモデルはペナル化される。
また,2次元カルーセル配置にランキング指標を拡張して,既知の位置バイアス,すなわち位置バイアスを考慮することを提案する。
ユーザーはリストを連続的に探すのではなく、画面の左上の隅に集中する。
関連論文リスト
- Impression-Aware Recommender Systems [53.48892326556546]
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。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳(メタデータ) (2023-08-15T16:16:02Z) - Improving Recommendation Relevance by simulating User Interest [77.34726150561087]
不活発な項目のランクを反復的に減らすことにより、リコメンデーション"レコメンデーション"が、簡単かつ透過的に維持可能であることを観察する。
この研究の背景にある基本的なアイデアは、オンラインレコメンデーションシステムの文脈で特許を取得している。
論文 参考訳(メタデータ) (2023-02-03T03:35:28Z) - 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) - Introducing a Framework and a Decision Protocol to Calibrate Recommender
Systems [0.0]
本稿では,ジャンルの校正バランスを考慮したレコメンデーションリスト作成手法を提案する。
主な主張は、キャリブレーションはより公平なレコメンデーションを生み出すために肯定的に貢献できるということである。
本稿では,1000以上の校正システムの組み合わせを生成するための概念的フレームワークと決定プロトコルを提案する。
論文 参考訳(メタデータ) (2022-04-07T19:30:55Z) - Utilizing Textual Reviews in Latent Factor Models for Recommender
Systems [1.7361353199214251]
本稿では,テキストレビューに基づく評価モデリング手法とトピックモデリング手法を組み合わせたレコメンデーションアルゴリズムを提案する。
サイズが異なるAmazon.comデータセットを用いてアルゴリズムの性能を評価し,23の製品カテゴリに対応する。
論文 参考訳(メタデータ) (2021-11-16T15:07:51Z) - Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback
based Recommendation [59.183016033308014]
本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。
提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
論文 参考訳(メタデータ) (2021-05-16T08:06:22Z) - Measuring the User Satisfaction in a Recommendation Interface with
Multiple Carousels [7.8851236034886645]
ビデオオンデマンドおよび音楽ストリーミングサービスでは、いくつかのレコメンデーションリストからなるユーザーインターフェースを採用するのが一般的である。
本稿では,カルーセルの品質を計測するカルーセル設定のための2次元評価プロトコルを提案する。
論文 参考訳(メタデータ) (2021-05-14T20:33:51Z) - Dynamic-K Recommendation with Personalized Decision Boundary [41.70842736417849]
ランキングと分類の目的を併せ持つ共同学習問題として動的k推薦タスクを開発した。
我々は、BPRMFとHRMの2つの最先端ランキングベースのレコメンデーション手法を対応する動的Kバージョンに拡張する。
2つのデータセットに対する実験結果から,動的Kモデルの方が従来の固定N推奨手法よりも有効であることが示された。
論文 参考訳(メタデータ) (2020-12-25T13:02:57Z) - A Differentiable Ranking Metric Using Relaxed Sorting Operation for
Top-K Recommender Systems [1.2617078020344619]
推薦システムは、項目の選好スコアを計算し、スコアに応じて項目をソートし、上位K項目を高いスコアでフィルタリングすることで、パーソナライズされたレコメンデーションを生成する。
このレコメンデーション手順にはソートやランキング項目が不可欠ですが、エンドツーエンドのモデルトレーニングのプロセスにそれらを組み込むのは簡単ではありません。
これにより、既存の学習目標とレコメンデータのランキングメトリクスの矛盾が生じる。
本稿では,この不整合を緩和し,ランキングメトリクスの微分緩和を利用してレコメンデーション性能を向上させるDRMを提案する。
論文 参考訳(メタデータ) (2020-08-30T10:57:33Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳(メタデータ) (2020-05-19T10:18:43Z) - SetRank: A Setwise Bayesian Approach for Collaborative Ranking from
Implicit Feedback [50.13745601531148]
提案手法は,提案システムにおける暗黙的フィードバックの特性に対応するために,協調的ランキング(SeetRank)のためのセッティングワイドベイズ的手法を提案する。
具体的には、SetRankは、新しい設定された選好比較の後方確率を最大化することを目的としている。
また、SetRankの理論解析により、余剰リスクの境界が$sqrtM/N$に比例できることを示す。
論文 参考訳(メタデータ) (2020-02-23T06:40:48Z)
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。