論文の概要: REST: Debiased Social Recommendation via Reconstructing Exposure Strategies

• arxiv url: http://arxiv.org/abs/2201.04952v1
• Date: Thu, 13 Jan 2022 13:14:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-14 14:13:01.383952
• Title: REST: Debiased Social Recommendation via Reconstructing Exposure Strategies
• Title（参考訳）: REST: 公開戦略の再構築によるソーシャルレコメンデーションの曖昧化
• Authors: Ruichu Cai, Fengzhu Wu, Zijian Li, Jie Qiao, Wei Chen, Yuexing Hao, Hao Gu
• Abstract要約: 我々は、リコメンデーション問題をデファクト推論として定式化し、デバイアスの社会レコメンデーション手法を提案する。 RESTでは、アイテムの露出は、潜伏した露出戦略、ユーザ、およびアイテムによって制御されていると仮定します。 3つの公開データセットと1つのプライベートWeChat Official Accountデータセットを含む4つの実世界のデータセットの実験は、いくつかの最先端メソッドに対する大幅な改善を示している。
• 参考スコア（独自算出の注目度）: 21.193238139959078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The recommendation system, relying on historical observational data to model the complex relationships among the users and items, has achieved great success in real-world applications. Selection bias is one of the most important issues of the existing observational data based approaches, which is actually caused by multiple types of unobserved exposure strategies (e.g. promotions and holiday effects). Though various methods have been proposed to address this problem, they are mainly relying on the implicit debiasing techniques but not explicitly modeling the unobserved exposure strategies. By explicitly Reconstructing Exposure STrategies (REST in short), we formalize the recommendation problem as the counterfactual reasoning and propose the debiased social recommendation method. In REST, we assume that the exposure of an item is controlled by the latent exposure strategies, the user, and the item. Based on the above generation process, we first provide the theoretical guarantee of our method via identification analysis. Second, we employ a variational auto-encoder to reconstruct the latent exposure strategies, with the help of the social networks and the items. Third, we devise a counterfactual reasoning based recommendation algorithm by leveraging the recovered exposure strategies. Experiments on four real-world datasets, including three published datasets and one private WeChat Official Account dataset, demonstrate significant improvements over several state-of-the-art methods.
• Abstract（参考訳）: このレコメンデーションシステムは,ユーザとアイテム間の複雑な関係をモデル化するための歴史的観測データに頼って,現実世界のアプリケーションにおいて大きな成功を収めている。 選択バイアスは、既存の観測データに基づくアプローチにおいて最も重要な問題の1つであり、実際には複数のタイプの観察されていない露出戦略(プロモーションやホリデー効果など)によって引き起こされる。 この問題に対処するために様々な手法が提案されているが、それらは主に暗黙の偏見手法に依存しているが、観測されていない露光戦略を明示的にモデル化するものではない。 露光基準(REST)を明示的に再構築することにより、リコメンデーション問題をデファクト推論として形式化し、デバイアスの社会レコメンデーション手法を提案する。 RESTでは、アイテムの露出は、潜伏した露出戦略、ユーザ、およびアイテムによって制御されていると仮定します。 上記の生成過程に基づき,本手法の理論的保証を識別分析により提示する。 第2に,ソーシャルネットワークとアイテムの助けを借りて,潜在露出戦略を再構築するために,変動型オートエンコーダを用いる。 第3に,回収した露光戦略を活用し,偽推論に基づくレコメンデーションアルゴリズムを考案する。 3つの公開データセットと1つのプライベートWeChat Official Accountデータセットを含む4つの実世界のデータセットの実験は、いくつかの最先端メソッドに対する大幅な改善を示している。

関連論文リスト

• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。 従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。 オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• 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)
• ACTRESS: Active Retraining for Semi-supervised Visual Grounding [52.08834188447851]
  前回の研究であるRefTeacherは、疑似自信と注意に基づく監督を提供するために教師学生の枠組みを採用することで、この課題に取り組むための最初の試みである。 このアプローチは、Transformerベースのパイプラインに従う現在の最先端のビジュアルグラウンドモデルと互換性がない。 本稿では, ACTRESS を略したセミスーパービジョン視覚グラウンドのためのアクティブ・リトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T16:33:31Z)
• Interactive Graph Convolutional Filtering [79.34979767405979]
  インタラクティブ・レコメンダ・システム(IRS)は、パーソナライズされた記事レコメンデーション、ソーシャルメディア、オンライン広告など、さまざまな領域でますます利用されている。 これらの問題は、コールドスタート問題とデータスポーサリティ問題によって悪化する。 既存のMulti-Armed Bandit手法は、慎重に設計された探査戦略にもかかわらず、しばしば初期の段階で満足な結果を提供するのに苦労する。 提案手法は,ユーザとアイテム間の協調フィルタリング性能を向上させるため,協調フィルタリングをグラフモデルに拡張する。
  論文  参考訳（メタデータ） (2023-09-04T09:02:31Z)
• Debiasing Recommendation by Learning Identifiable Latent Confounders [49.16119112336605]
  コンバウンディングバイアスは、ユーザの露出とフィードバックの両方に影響を与える未測定変数の存在によって生じる。 既存の手法では,(1) 未測定変数について不確定な仮定を行うか,(2) 潜伏した共同創設者を直接ユーザの露出から推測する。 本稿では、上記の非識別問題の解決にプロキシ変数の集合を利用する新しい方法、すなわち、識別可能なデコノウ(iDCF)を提案する。
  論文  参考訳（メタデータ） (2023-02-10T05:10:26Z)
• Debiased Recommendation with Neural Stratification [19.841871819722016]
  我々は、露光密度を増大させることにより、より正確なIPS計算のためにユーザをクラスタ化することを提案する。 提案手法の有効性を実証するために,実世界のデータセットに基づく広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-08-15T15:45:35Z)
• Learning Bias-Invariant Representation by Cross-Sample Mutual Information Minimization [77.8735802150511]
  対象タスクが誤用したバイアス情報を除去するために,クロスサンプル対逆脱バイアス法(CSAD)を提案する。 相関測定は, 対向的偏り評価において重要な役割を担い, クロスサンプル型相互情報推定器によって行われる。 我々は,提案手法の最先端手法に対する利点を検証するために,公開データセットの徹底的な実験を行った。
  論文  参考訳（メタデータ） (2021-08-11T21:17:02Z)
• Be Causal: De-biasing Social Network Confounding in Recommendation [7.589060156056251]
  レコメンデーションシステムでは、MNAR問題の存在が選択バイアス問題を引き起こす。 既存のアプローチのほとんどは、観察された評価のモデルまたは再重み付け戦略を使用して、ランダムな設定の欠如を模倣しています。 我々は、因果推論における共同設立者分析に触発されて、DENCと呼ばれる非バイアスで堅牢な手法を提案する。
  論文  参考訳（メタデータ） (2021-05-17T12:38:59Z)
• Adversarial Counterfactual Learning and Evaluation for Recommender System [33.44276155380476]
  ユーザ嗜好を検出するために教師付き学習を適用することは、露出情報がない場合に矛盾する結果になる可能性があることを理論的に示す。 ミニマックス経験的リスクの定式化を導入することにより, 基本解を提案する。
  論文  参考訳（メタデータ） (2020-11-08T00:40:51Z)
• Modeling and Counteracting Exposure Bias in Recommender Systems [0.0]
  本研究では,行列因数分解など,広く用いられている推奨戦略に固有のバイアスについて検討する。 本稿では,リコメンデータシステムのための新しいデバイアス対策を提案する。 その結果,レコメンダシステムにはバイアスがあり,ユーザの事前の露出に依存していることがわかった。
  論文  参考訳（メタデータ） (2020-01-01T00:12:34Z)

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。