論文の概要: Exploring Popularity Bias in Music Recommendation Models and Commercial Steaming Services

• arxiv url: http://arxiv.org/abs/2208.09517v1
• Date: Fri, 19 Aug 2022 19:06:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-23 14:40:34.604383
• Title: Exploring Popularity Bias in Music Recommendation Models and Commercial Steaming Services
• Title（参考訳）: 音楽レコメンデーションモデルと商用蒸しサービスにおける人気バイアスの検討
• Authors: Douglas R. Turnbull and Sean McQuillan and Vera Crabtree and John Hunter and Sunny Zhang
• Abstract要約: 人気度バイアスは、レコメンデーターシステムが、人気アーティストをユーザに推薦するときに、不当に人気アーティストを好むという考えだ。 3つの推奨システムモデル(SLIM, Multi-VAE, WRMF)と3つの商用音楽ストリーミングサービス(Spotify, Amazon Music, YouTube)における人気バイアスを測定する。 最も正確なモデル(SLIM)は最も人気バイアスを持つが、より正確でないモデルはより人気バイアスが少ない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Popularity bias is the idea that a recommender system will unduly favor popular artists when recommending artists to users. As such, they may contribute to a winner-take-all marketplace in which a small number of artists receive nearly all of the attention, while similarly meritorious artists are unlikely to be discovered. In this paper, we attempt to measure popularity bias in three state-of-art recommender system models (e.g., SLIM, Multi-VAE, WRMF) and on three commercial music streaming services (Spotify, Amazon Music, YouTube). We find that the most accurate model (SLIM) also has the most popularity bias while less accurate models have less popularity bias. We also find no evidence of popularity bias in the commercial recommendations based on a simulated user experiment.
• Abstract（参考訳）: 人気度バイアスは、レコメンデーターシステムが、人気アーティストをユーザに推薦するときに、不当に人気アーティストを好むという考えだ。 このようにして、少数のアーティストがほとんどすべての注目を集める市場へ貢献できるが、同じようにメリットのあるアーティストが見つかる可能性は低い。 本稿では,3つの最先端レコメンデータシステムモデル(SLIM, Multi-VAE, WRMF)および3つの商用音楽ストリーミングサービス(Spotify, Amazon Music, YouTube)における人気バイアスの測定を試みる。 最も正確なモデル(SLIM)は最も人気バイアスを持つが、より正確でないモデルはより人気バイアスが少ない。 また,ユーザ実験をシミュレートした商用レコメンデーションでは,人気バイアスの証拠は見つからなかった。

関連論文リスト

• Large Language Models as Recommender Systems: A Study of Popularity Bias [46.17953988777199]
  人気アイテムは不釣り合いに推奨され、あまり人気がないが、潜在的に関連のあるアイテムを誇張している。 近年,汎用大規模言語モデルのレコメンデーションシステムへの統合が進んでいる。 本研究は,LLMがレコメンデーションシステムにおける人気バイアスに寄与するか否かを検討する。
  論文  参考訳（メタデータ） (2024-06-03T12:53:37Z)
• Popularity-Aware Alignment and Contrast for Mitigating Popularity Bias [34.006766098392525]
  協調フィルタリング(CF)は通常、現実のデータセットにおけるアイテムの不均一な分布のため、人気バイアスの課題に悩まされる。 このバイアスは、人気アイテムと不人気アイテムの間にかなりの精度のギャップをもたらす。 本稿では,2つの課題に対処するために,PAAC(Popularity-Aware Alignment and Contrast)を提案する。
  論文  参考訳（メタデータ） (2024-05-31T09:14:48Z)
• GPTBIAS: A Comprehensive Framework for Evaluating Bias in Large Language Models [83.30078426829627]
  大規模言語モデル(LLM)は人気を集め、大規模なユーザコミュニティで広く採用されている。 既存の評価手法には多くの制約があり、それらの結果は限定的な解釈可能性を示している。 本稿では,LPMの高性能性を活用し,モデル内のバイアスを評価するGPTBIASというバイアス評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-11T12:02:14Z)
• Robust Collaborative Filtering to Popularity Distribution Shift [56.78171423428719]
  本稿では,テストデータに仮定することなく,インタラクションワイドな人気ショートカットを定量化し,削減する,シンプルで効果的なデバイアス対策であるPopGoを提案する。 IDとOODの両方のテストセットにおいて、PopGoは最先端のデバイアス戦略よりも大幅に向上している。
  論文  参考訳（メタデータ） (2023-10-16T04:20:52Z)
• Popularity Degradation Bias in Local Music Recommendation [0.13597551064547497]
  地域音楽レコメンデーションの文脈における人気劣化バイアスの影響について検討する。 どちらのアルゴリズムも、より人気のあるアーティストのレコメンデーションパフォーマンスを改善する。 Mult-VAEは、あまり人気のないアーティストにとって、より優れた相対的パフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-09-20T22:36:33Z)
• Fairness Through Domain Awareness: Mitigating Popularity Bias For Music Discovery [56.77435520571752]
  音楽発見と人気バイアスの本質的な関係について検討する。 本稿では,グラフニューラルネットワーク(GNN)に基づくレコメンデータシステムにおいて,人気バイアスに対処する,ドメイン対応の個別フェアネスに基づくアプローチを提案する。 我々のアプローチでは、個々の公正さを用いて、真実を聴く経験、すなわち2つの歌が似ているとすると、この類似性は彼らの表現に反映されるべきである。
  論文  参考訳（メタデータ） (2023-08-28T14:12:25Z)
• Reconciling the Quality vs Popularity Dichotomy in Online Cultural Markets [62.146882023375746]
  本研究では,現在普及している商品に偏りがある可能性のあるランキングアルゴリズムにより,品質基準を隠蔽した$N$アイテムをユーザに推奨する,理想化されたオンライン文化市場のモデルを提案する。 我々のゴールは、人気バイアスが高品質アイテムが低品質アイテムよりも人気になるのを防ぎ、品質と人気ランキングの間に望ましくないミスアライメントをもたらすという、よく知られた事実の根底にあるメカニズムをよりよく理解することである。
  論文  参考訳（メタデータ） (2022-04-28T14:36:11Z)
• The Unfairness of Popularity Bias in Book Recommendation [0.0]
  人気度バイアスとは、人気アイテムが頻繁に推奨されるのに対して、人気アイテムがほとんどあるいはまったく推奨されないという問題を指す。 本稿では,有名な書籍分類データセットを分析し,人気商品に対する傾向に基づいて3つのユーザグループを定義した。 以上の結果から,ほとんどの最先端の推薦アルゴリズムは本分野における人気バイアスに悩まされていることが示唆された。
  論文  参考訳（メタデータ） (2022-02-27T20:21:46Z)
• A novel auction system for selecting advertisements in Real-Time bidding [68.8204255655161]
  リアルタイム入札(Real-Time Bidding)は、インターネット広告システムで、近年非常に人気を集めている。 本稿では、経済的な側面だけでなく、広告システムの機能にかかわる他の要因も考慮した、新たなアプローチによる代替ベッティングシステムを提案する。
  論文  参考訳（メタデータ） (2020-10-22T18:36:41Z)

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。