論文の概要: Simulating News Recommendation Ecosystem for Fun and Profit
- arxiv url: http://arxiv.org/abs/2305.14103v1
- Date: Tue, 23 May 2023 14:25:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 15:42:59.889879
- Title: Simulating News Recommendation Ecosystem for Fun and Profit
- Title（参考訳）: 楽しみと利益のためにニュースレコメンデーションエコシステムをシミュレートする
- Authors: Guangping Zhang, Dongsheng Li, Hansu Gu, Tun Lu, Li Shang, Ning Gu
- Abstract要約: SimuLineは、ニュースレコメンデーションエコシステムの進化を識別するシミュレーションプラットフォームである。
ライフサイクル理論の観点から各進化相の特徴を解析する。
- 参考スコア（独自算出の注目度）: 13.980779134063853
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding the evolution of online news communities is essential for
designing more effective news recommender systems. However, due to the lack of
appropriate datasets and platforms, the existing literature is limited in
understanding the impact of recommender systems on this evolutionary process
and the underlying mechanisms, resulting in sub-optimal system designs that may
affect long-term utilities. In this work, we propose SimuLine, a simulation
platform to dissect the evolution of news recommendation ecosystems and present
a detailed analysis of the evolutionary process and underlying mechanisms.
SimuLine first constructs a latent space well reflecting the human behaviors,
and then simulates the news recommendation ecosystem via agent-based modeling.
Based on extensive simulation experiments and the comprehensive analysis
framework consisting of quantitative metrics, visualization, and textual
explanations, we analyze the characteristics of each evolutionary phase from
the perspective of life-cycle theory, and propose a relationship graph
illustrating the key factors and affecting mechanisms. Furthermore, we explore
the impacts of recommender system designing strategies, including the
utilization of cold-start news, breaking news, and promotion, on the
evolutionary process, which shed new light on the design of recommender
systems.
- Abstract（参考訳）: オンラインニュースコミュニティの進化を理解することは、より効果的なニュースレコメンデーションシステムの設計に不可欠である。
しかしながら、適切なデータセットやプラットフォームが欠如しているため、既存の文献では、この進化過程と基盤となるメカニズムに対するレコメンダシステムの影響を理解することが限られており、結果として、長期的なユーティリティに影響を与える可能性のあるサブ最適システム設計がもたらされる。
本研究では,ニュースレコメンデーションエコシステムの進化を解析するシミュレーションプラットフォームであるsimulineを提案する。
SimuLineはまず人間の振る舞いをよく反映した潜伏空間を構築し、エージェントベースのモデリングを通じてニュースレコメンデーションエコシステムをシミュレートする。
定量的指標,可視化,テキスト的説明からなる広範なシミュレーション実験と包括的分析の枠組みに基づき,ライフサイクル理論の観点から各進化段階の特徴を分析し,鍵となる因子と影響メカニズムを示す関係グラフを提案する。
さらに, コールドスタートニュースの利用, ブレークニュース, プロモーションなどのレコメンダシステム設計戦略が, 進化過程に及ぼす影響について検討し, 推薦システムの設計に新たな光を当てた。
関連論文リスト
- On the Design of Ethereum Data Availability Sampling: A Comprehensive Simulation Study [0.0]
本稿では,データアベイラビリティサンプリング(DAS)と分散システム内のシャーディング機構をシミュレーションに基づく解析により詳細に調査する。
ブロックチェーン技術と分散ネットワークにおける重要な概念であるDASは、その複雑さを解明し、システムパフォーマンスへの影響を評価するために、徹底的に調査されている。
シミュレーション環境で一連の実験を行い、理論的な定式化を検証し、DASパラメータの相互作用を識別する。
論文 参考訳（メタデータ） (2024-07-25T14:47:41Z) - Note: Evolutionary Game Theory Focus Informational Health: The Cocktail
Party Effect Through Werewolfgame under Incomplete Information and ESS Search
Method Using Expected Gains of Repeated Dilemmas [0.0]
非完全情報ゲームにおけるカクテルパーティー効果による情報破壊の実態を考察する。
疑似ニュースの汚染リスクがランダムに割り当てられると仮定して,各戦略選択の利得と進化安定戦略(ESS)の形成過程を数学的にモデル化し,解析する。
論文 参考訳（メタデータ） (2024-02-27T14:10:34Z) - Single-GPU GNN Systems: Traps and Pitfalls [1.5669062603298305]
詳細な分析は、システム設計と評価プロセスにおける落とし穴の連鎖につながることを示している。
システム設計の落とし穴の解決に根ざした新しい最適化のラインを確立するために,新しい参照システムを開発した。
論文 参考訳（メタデータ） (2024-02-05T22:07:58Z) - Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。
具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文 参考訳（メタデータ） (2023-12-03T13:50:24Z) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳（メタデータ） (2023-07-05T06:03:40Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳（メタデータ） (2022-06-22T19:33:21Z) - Reinforcement Learning based Path Exploration for Sequential Explainable
Recommendation [57.67616822888859]
強化学習(TMER-RL)を活用した新しい時間的メタパスガイド型説明可能な勧告を提案する。
TMER-RLは, 動的知識グラフ上での動的ユーザ・イテム進化を逐次モデル化するために, 注意機構を持つ連続項目間の強化項目・イテムパスをモデル化する。
2つの実世界のデータセットに対するTMERの大規模な評価は、最近の強いベースラインと比較して最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2021-11-24T04:34:26Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳（メタデータ） (2021-09-06T04:39:06Z) - 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) - T-RECS: A Simulation Tool to Study the Societal Impact of Recommender
Systems [5.592114738742928]
我々は、研究者がレコメンデーションシステムをシミュレートするために設計されたオープンソースのPythonパッケージであるT-RECSを紹介する。
本稿では,T-RECSの柔軟性を実証するため,従来の2つのシミュレーションに基づく社会工学研究の再現を行った。
論文 参考訳（メタデータ） (2021-07-19T15:16:44Z) - Heterogeneous Demand Effects of Recommendation Strategies in a Mobile
Application: Evidence from Econometric Models and Machine-Learning
Instruments [73.7716728492574]
本研究では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。
提案手法では, 有効性に有意な差が認められた。
我々は,ユーザ生成レビューのディープラーニングモデルに基づいて,製品分化(アイソレーション)をキャプチャする新しいエコノメトリ機器を開発した。
論文 参考訳（メタデータ） (2021-02-20T22:58:54Z)
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。