論文の概要: Towards Psychologically-Grounded Dynamic Preference Models

• arxiv url: http://arxiv.org/abs/2208.01534v1
• Date: Mon, 1 Aug 2022 16:53:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-03 13:36:34.360331
• Title: Towards Psychologically-Grounded Dynamic Preference Models
• Title（参考訳）: 心理的に取り巻く動的嗜好モデルに向けて
• Authors: Mihaela Curmei, Andreas Haupt, Benjamin Recht, Dylan Hadfield-Menell
• Abstract要約: 我々は、リコメンデーションが人の嗜好に与える影響をモデル化するには、心理的に妥当なモデルに基礎を置く必要があると論じる。 本手法は,心理学文献から3つの古典的効果(平均露光,操作条件,ヘドニック適応)を捉えるモデルを用いて実証する。
• 参考スコア（独自算出の注目度）: 24.29415641848088
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing recommendation systems that serve content aligned with time varying preferences requires proper accounting of the feedback effects of recommendations on human behavior and psychological condition. We argue that modeling the influence of recommendations on people's preferences must be grounded in psychologically plausible models. We contribute a methodology for developing grounded dynamic preference models. We demonstrate this method with models that capture three classic effects from the psychology literature: Mere-Exposure, Operant Conditioning, and Hedonic Adaptation. We conduct simulation-based studies to show that the psychological models manifest distinct behaviors that can inform system design. Our study has two direct implications for dynamic user modeling in recommendation systems. First, the methodology we outline is broadly applicable for psychologically grounding dynamic preference models. It allows us to critique recent contributions based on their limited discussion of psychological foundation and their implausible predictions. Second, we discuss implications of dynamic preference models for recommendation systems evaluation and design. In an example, we show that engagement and diversity metrics may be unable to capture desirable recommendation system performance.
• Abstract（参考訳）: 時間的好みに応じてコンテンツを提供するレコメンデーションシステムを設計するには、レコメンデーションが人間の行動や心理的状態に与える影響を適切に把握する必要がある。 我々は、リコメンデーションが人の嗜好に与える影響をモデル化するには、心理的に妥当なモデルに基礎を置く必要があると論じる。 基礎となる動的嗜好モデルを開発するための方法論に貢献する。 本手法は,心理学文献から3つの古典的効果(平均露光,操作条件,ヘドニック適応)を捉えるモデルを用いて実証する。 シミュレーションに基づく研究により、心理モデルがシステム設計に影響を及ぼす異なる行動を示すことを示す。 本研究は,レコメンデーションシステムにおける動的ユーザモデリングに2つの直接的な意味を持つ。 第一に、我々が概説する方法論は、心理的に接地する動的選好モデルに適用できる。 心理的基礎に関する限定的な議論と、その意味のない予測に基づいて、最近の貢献を批判することができる。 次に,レコメンデーションシステムの評価と設計における動的選好モデルの意義について考察する。 例として、エンゲージメントと多様性の指標が望ましいシステム性能を捉えることができないことを示す。

関連論文リスト

• Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
  検索システムにおける視覚モデルと人間の審美基準の整合を図る。 本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:20Z)
• Secrets of RLHF in Large Language Models Part II: Reward Modeling [134.97964938009588]
  本稿では,データセットにおける不正確で曖昧な嗜好の影響を軽減するために,一連の新しい手法を紹介する。 また、選択された応答と拒否された応答を区別する報酬モデルの有用性を高めるために、対照的な学習を導入する。
  論文  参考訳（メタデータ） (2024-01-11T17:56:59Z)
• Modeling Recommender Ecosystems: Research Challenges at the Intersection of Mechanism Design, Reinforcement Learning and Generative Models [17.546954143602818]
  システム内のすべてのアクターのインセンティブと行動のモデリングは、システムがこれらのアクターにもたらす価値を最大化し、全体のエコシステム「健康」を改善するために厳密に必要である、と我々は主張する。 本稿では、これらの要素を包含する概念的枠組みを提案し、これらの異なる分野の交差点に現れる多くの研究課題を明確にする。
  論文  参考訳（メタデータ） (2023-09-08T03:20:58Z)
• Understanding User Intent Modeling for Conversational Recommender Systems: A Systematic Literature Review [1.3630870408844922]
  我々は,会話レコメンデーションシステムの設計によく使用されるモデルについて,系統的な文献レビューを行った。 我々は,研究者がシステムに最も適したモデルを選択するのを支援するための意思決定モデルを開発した。 本研究は,より効果的でパーソナライズされた対話型レコメンデーションシステムの開発を支援する,ユーザ意図モデリングの実践的洞察と包括的理解に寄与する。
  論文  参考訳（メタデータ） (2023-08-05T22:50:21Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• The drivers of online polarization: fitting models to data [0.0]
  エコーチャンバー効果と意見偏光は、情報消費における人間のバイアスや、フィードアルゴリズムによって生成されるパーソナライズされたレコメンデーションなど、いくつかの要因によって引き起こされる可能性がある。 これまでは主に意見力学モデルを用いて、分極とエコーチャンバーの出現の背後にあるメカニズムを探索してきた。 シミュレーションから得られた意見分布とソーシャルメディア上で測定した意見分布を数値的に比較する手法を提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:00:41Z)
• Understanding Longitudinal Dynamics of Recommender Systems with Agent-Based Modeling and Simulation [7.98348797868119]
  エージェントベースモデリングとシミュレーション(ABM)技術は、レコメンダシステムのこのような重要な縦方向のダイナミクスを研究するのに利用できる。 本稿では, ABMの原則の概要, 文献に基づく推薦システムのためのシミュレーションフレームワークの概要, そして, このようなABMに基づくシミュレーションフレームワークで対処可能な,様々な実践的な研究課題について論じる。
  論文  参考訳（メタデータ） (2021-08-25T06:28:19Z)
• Generative Adversarial Reward Learning for Generalized Behavior Tendency Inference [71.11416263370823]
  ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。 我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
  論文  参考訳（メタデータ） (2021-05-03T13:14:25Z)
• A Survey on Neural Recommendation: From Collaborative Filtering to Content and Context Enriched Recommendation [70.69134448863483]
  レコメンデーションの研究は、ニューラルネットワークに基づく新しいレコメンダーモデルの発明にシフトした。 近年,神経リコメンデータモデルの開発が著しい進展を遂げている。
  論文  参考訳（メタデータ） (2021-04-27T08:03:52Z)
• On the model-based stochastic value gradient for continuous reinforcement learning [50.085645237597056]
  モデルベースエージェントは,サンプル効率と最終報酬の両方の観点から,最先端のモデルフリーエージェントより優れていることを示す。 以上の結果から,モデルに基づく政策評価がより注目に値することが示唆された。
  論文  参考訳（メタデータ） (2020-08-28T17:58:29Z)
• Learning Opinion Dynamics From Social Traces [25.161493874783584]
  本稿では,現実の社会的トレースに,生成的,エージェントライクな意見力学モデルを適用するための推論機構を提案する。 本稿では,古典的エージェントに基づく意見力学モデルから,その生成的モデルへの変換による提案について紹介する。 われわれのモデルをRedditの現実世界のデータに適用して、バックファイア効果の影響に関する長年にわたる疑問を探る。
  論文  参考訳（メタデータ） (2020-06-02T14:48:17Z)

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。