論文の概要: Hybrid moderation in the newsroom: Recommending featured posts to content moderators

• arxiv url: http://arxiv.org/abs/2307.07317v1
• Date: Fri, 14 Jul 2023 12:51:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-17 14:01:40.931701
• Title: Hybrid moderation in the newsroom: Recommending featured posts to content moderators
• Title（参考訳）: ニュースルームにおけるハイブリッドモデレーション:コンテンツモデレーターにフィーチャー投稿を推薦する
• Authors: Cedric Waterschoot, Antal van den Bosch
• Abstract要約: 特集記事の選択においてモデレーターを支援・強化するためのランキングクラス確率に基づく推薦システムを提案する。 検証項目の集合に対して,0.87のNDCG@5の最適平均値を観察した。 まず、テキスト機能を追加すると、最高のスコアが得られ、次に、フィーチャーコンテンツを選択することは、ある程度主観的だ、と結論付けます。
• 参考スコア（独自算出の注目度）: 1.8122816058828908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online news outlets are grappling with the moderation of user-generated content within their comment section. We present a recommender system based on ranking class probabilities to support and empower the moderator in choosing featured posts, a time-consuming task. By combining user and textual content features we obtain an optimal classification F1-score of 0.44 on the test set. Furthermore, we observe an optimum mean NDCG@5 of 0.87 on a large set of validation articles. As an expert evaluation, content moderators assessed the output of a random selection of articles by choosing comments to feature based on the recommendations, which resulted in a NDCG score of 0.83. We conclude that first, adding text features yields the best score and second, while choosing featured content remains somewhat subjective, content moderators found suitable comments in all but one evaluated recommendations. We end the paper by analyzing our best-performing model, a step towards transparency and explainability in hybrid content moderation.
• Abstract（参考訳）: オンラインニュースメディアはコメント欄でユーザー生成コンテンツのモデレーションに不満を抱いている。 そこで本稿では,モデレーターが時間消費課題であるフィーチャーポストを選択できるよう,ランキングクラス確率に基づく推薦システムを提案する。 ユーザとテキストのコンテンツ特徴を組み合わせることで、テストセット上の最適な分類F1スコアが0.44になる。 さらに, 検証項目の集合に対して, 0.87 の NDCG@5 を最適平均とする。 専門的な評価として、コンテンツモデレーターは、レコメンデーションに基づいてコメントを特徴に選択することで、ランダムな記事選択のアウトプットを評価し、NDCGスコアは0.83となった。 まず、テキスト機能を加えることで、最高のスコアと2番目のスコアが得られるが、フィーチャーされたコンテンツの選択は、幾分主観的でありながら、コンテンツモデレーターは、評価されたレコメンデーションを除いて、適切なコメントを見出した。 この論文は、当社のベストパフォーマンスモデルを分析し、ハイブリッドコンテンツモデレーションにおける透明性と説明可能性への一歩を踏み出します。

関連論文リスト

• Content-Agnostic Moderation for Stance-Neutral Recommendation [13.210645250173997]
  コンテンツに依存しないモデレーションは、実際のコンテンツが適格化されることに頼らない。 本稿では,コンテンツ機能に頼らずに,コンテンツレコメンデータからのリコメンデーションを変更する2つの新しいコンテンツ非依存モデレーション手法を提案する。 この結果から,直接コンテンツ情報なしでのスタンス中立性の実現は実現可能であるだけでなく,ユーザのエンゲージメントを著しく低下させることなく,よりバランスのとれた情報的レコメンデーションシステムを開発する上でも有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-29T09:50:39Z)
• Topic-Level Bayesian Surprise and Serendipity for Recommender Systems [0.0]
  利用者が消費した商品のレーティング履歴に合わせたレコメンデーションを最適化するレコメンデーションシステムは、フィルタバブルを作成することができる。 この望ましくない行動を緩和するための1つのアプローチは、セレンディピティーの可能性が高いアイテムを推薦することである。 本稿では,ベイジアン・サプライズに根ざしたセレンディピティーのコンテンツに基づく定式化を提案し,そのセレンディピティーを利用者が消費・評価した後のセレンディピティーを測定する。
  論文  参考訳（メタデータ） (2023-08-11T20:05:01Z)
• Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
  本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。 そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。 以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
  論文  参考訳（メタデータ） (2023-05-18T15:37:38Z)
• Recommendation Systems with Distribution-Free Reliability Guarantees [83.80644194980042]
  我々は、主に良いアイテムを含むことを厳格に保証されたアイテムのセットを返す方法を示す。 本手法は, 擬似発見率の厳密な有限サンプル制御によるランキングモデルを提供する。 我々はYahoo!のランキングとMSMarcoデータセットの学習方法を評価する。
  論文  参考訳（メタデータ） (2022-07-04T17:49:25Z)
• Positive, Negative and Neutral: Modeling Implicit Feedback in Session-based News Recommendation [13.905580921329717]
  本稿では,肯定的なフィードバックと否定的なフィードバックを通じて,ユーザの振る舞いをモデル化する包括的フレームワークを提案する。 フレームワークは、セッション開始時間と、最初の公開時間を使った記事を使って、暗黙的にユーザーをモデル化する。 3つの実世界のニュースデータセットに対する実証的な評価は、フレームワークの有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2022-05-12T12:47:06Z)
• Graph-based Extractive Explainer for Recommendations [38.278148661173525]
  ユーザ,項目,属性,文をシームレスに統合し,抽出に基づく説明を行うグラフ注意型ニューラルネットワークモデルを開発した。 個々の文の関連性, 属性カバレッジ, 内容冗長性のバランスをとるために, 整数線形プログラミング問題を解くことにより, 文の最終的な選択を行う。
  論文  参考訳（メタデータ） (2022-02-20T04:56:10Z)
• FEBR: Expert-Based Recommendation Framework for beneficial and personalized content [77.86290991564829]
  推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。 このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。 ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
  論文  参考訳（メタデータ） (2021-07-17T18:21:31Z)
• PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
  本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2021-06-05T01:33:21Z)
• Set2setRank: Collaborative Set to Set Ranking for Implicit Feedback based Recommendation [59.183016033308014]
  本稿では,暗黙的フィードバックの特徴を探究し,推奨するSet2setRankフレームワークを提案する。 提案するフレームワークはモデルに依存しず,ほとんどの推奨手法に容易に適用できる。
  論文  参考訳（メタデータ） (2021-05-16T08:06:22Z)
• Context-Based Quotation Recommendation [60.93257124507105]
  本稿では,新しい文脈対応引用レコメンデーションシステムを提案する。 これは、所定のソース文書から引用可能な段落とトークンの列挙リストを生成する。 音声テキストと関連するニュース記事の収集実験を行う。
  論文  参考訳（メタデータ） (2020-05-17T17:49:53Z)

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。