論文の概要: RADio -- Rank-Aware Divergence Metrics to Measure Normative Diversity in News Recommendations

• arxiv url: http://arxiv.org/abs/2209.13520v1
• Date: Sat, 17 Sep 2022 07:33:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-02 23:30:17.298849
• Title: RADio -- Rank-Aware Divergence Metrics to Measure Normative Diversity in News Recommendations
• Title（参考訳）: ニュースレコメンデーションにおける規範的多様性を計測するためのラジオ -- ランクアウェア・ダイバージェンス指標
• Authors: Sanne Vrijenhoek, Gabriel B\'en\'edict, Mateo Gutierrez Granada, Daan Odijk, Maarten de Rijke
• Abstract要約: 伝統的なレコメンデーターシステム文学では、多様性はしばしば類似性とは反対と見なされ、典型的には特定されたトピック、カテゴリまたはワードモデルの間の距離として定義される。 我々は、ニュース組織の規範や価値観に従ってレコメンデーションを評価するための多目的メトリクスフレームワークRADioを紹介する。 RADioは、ニュースレコメンデーションシステムの設計を知らせることのできる、洞察に富んだ見積もりを提供する。
• 参考スコア（独自算出の注目度）: 42.3075454542449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In traditional recommender system literature, diversity is often seen as the opposite of similarity, and typically defined as the distance between identified topics, categories or word models. However, this is not expressive of the social science's interpretation of diversity, which accounts for a news organization's norms and values and which we here refer to as normative diversity. We introduce RADio, a versatile metrics framework to evaluate recommendations according to these normative goals. RADio introduces a rank-aware Jensen Shannon (JS) divergence. This combination accounts for (i) a user's decreasing propensity to observe items further down a list and (ii) full distributional shifts as opposed to point estimates. We evaluate RADio's ability to reflect five normative concepts in news recommendations on the Microsoft News Dataset and six (neural) recommendation algorithms, with the help of our metadata enrichment pipeline. We find that RADio provides insightful estimates that can potentially be used to inform news recommender system design.
• Abstract（参考訳）: 伝統的なレコメンデーション・システム文学では、多様性はしばしば類似性の反対と見なされ、通常、特定されたトピック、カテゴリ、単語モデル間の距離として定義される。 しかし、これは社会科学における多様性の解釈の表現ではなく、これはニュース組織の規範と価値観を考慮し、ここでは規範的多様性と呼ぶものである。 これらの規範的目標に応じてレコメンデーションを評価するための多目的メトリクスフレームワークRADioを紹介する。 RADioはランクを意識したJensen Shannon(JS)の発散を導入した。 この組み合わせは (i)リストのさらに下の項目を観察するためのユーザの傾向の低下 (ii) 点推定とは対照的に、全分布シフト。 我々は、メタデータ強化パイプラインの助けを借りて、Microsoft News Datasetと6つの(神経)レコメンデーションアルゴリズムで、ニュースレコメンデーションにおいて5つの規範的概念を反映するRADioの能力を評価した。 RADioは、ニュースレコメンデーションシステムの設計を知らせることのできる、洞察に富んだ見積もりを提供する。

関連論文リスト

• Scalable Ensemble Diversification for OOD Generalization and Detection [68.8982448081223]
  SEDは、ハエのハードトレーニングサンプルを特定し、アンサンブルメンバーにこれらについて意見の一致を奨励する。 モデル間でのペアの相違を解消する既存の方法において,コストのかかる計算を避ける方法を示す。 OODの一般化のために,出力空間(古典的)アンサンブルや重量空間アンサンブル(モデルスープ)など,複数の環境での多様化による大きなメリットを観察する。
  論文  参考訳（メタデータ） (2024-09-25T10:30:24Z)
• Relevance meets Diversity: A User-Centric Framework for Knowledge Exploration through Recommendations [15.143224593682012]
  本稿では,コプラ関数による妥当性と多様性を組み合わせた新しいレコメンデーション戦略を提案する。 我々は,システムと対話しながらユーザから得た知識量のサロゲートとして多様性を利用する。 我々の戦略は、最先端のライバル数社を上回っている。
  論文  参考訳（メタデータ） (2024-08-07T13:48:24Z)
• Knowledge Graph Context-Enhanced Diversified Recommendation [53.3142545812349]
  本研究では,知識グラフ(KG)の複雑な文脈における多角化RecSys領域について検討する。 私たちのコントリビューションには、革新的なメトリック、エンティティカバレッジ、KGドメイン内の多様性を効果的に定量化するリレーショナルカバレッジの導入が含まれています。 そこで本稿では,文脈整合性を維持しつつ,KG項目の埋め込みを符号化するCAU(Conditional Alignment and Uniformity)という新しい手法を紹介する。
  論文  参考訳（メタデータ） (2023-10-20T03:18:57Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• A Closer Look at Debiased Temporal Sentence Grounding in Videos: Dataset, Metric, and Approach [53.727460222955266]
  テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。 最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。 偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
  論文  参考訳（メタデータ） (2022-03-10T08:58:18Z)
• Choosing the Best of Both Worlds: Diverse and Novel Recommendations through Multi-Objective Reinforcement Learning [68.45370492516531]
  本稿では,Recommender Systems (RS) 設定のための拡張多目的強化学習(SMORL)を紹介する。 SMORLエージェントは、標準レコメンデーションモデルを拡張し、RLレイヤーを追加し、3つの主要な目的(正確性、多様性、新しいレコメンデーション)を同時に満たすように強制する。 実世界の2つのデータセットに対する実験結果から,集約的多様性の顕著な増加,精度の適度な向上,レコメンデーションの反復性の低下,および相補的目的としての多様性と新規性の強化の重要性が示された。
  論文  参考訳（メタデータ） (2021-10-28T13:22:45Z)
• SERAB: A multi-lingual benchmark for speech emotion recognition [12.579936838293387]
  ディープニューラルネットワーク(DNN)を利用した音声感情認識(SER)の最近の進歩 本稿では、発話レベルSERに対する様々なアプローチの性能と一般化能力を評価するためのフレームワークである音声感情認識適応ベンチマーク(SERAB)を提案する。
  論文  参考訳（メタデータ） (2021-10-07T13:01:34Z)
• Random Walks with Erasure: Diversifying Personalized Recommendations on Social and Information Networks [4.007832851105161]
  ユーザ・項目グラフのランダムウォーク探索を改良することにより,情報多様性の向上を目標とした新しい推薦フレームワークを開発した。 ソーシャルネットワーク上での政治コンテンツを推薦するために,まず,利用者と共有するコンテンツのイデオロギー的立場を推定する新しいモデルを提案する。 これらの推定位置に基づいて,新しいランダムウォークに基づくレコメンデーションアルゴリズムを用いて,多様なパーソナライズドレコメンデーションを生成する。
  論文  参考訳（メタデータ） (2021-02-18T21:53:32Z)
• Operationalizing Framing to Support Multiperspective Recommendations of Opinion Pieces [1.3286165491120467]
  コミュニケーション科学から取り入れたフレーミングの概念を運用する。 この概念をトピック関連推奨リストの再ランク付けに適用する。 オフライン評価の結果,提案手法はレコメンデーションリストの視点の多様性を高めることができることが示された。
  論文  参考訳（メタデータ） (2021-01-15T14:40:34Z)

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。