論文の概要: Content Prompting: Modeling Content Provider Dynamics to Improve User
Welfare in Recommender Ecosystems
- arxiv url: http://arxiv.org/abs/2309.00940v1
- Date: Sat, 2 Sep 2023 13:35:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-07 00:17:12.080785
- Title: Content Prompting: Modeling Content Provider Dynamics to Improve User
Welfare in Recommender Ecosystems
- Title（参考訳）: コンテンツプロンプティング:レコメンダ生態系におけるユーザ福祉改善のためのコンテンツプロバイダダイナミクスのモデル化
- Authors: Siddharth Prasad, Martin Mladenov, Craig Boutilier
- Abstract要約: 我々は、この情報にコンテンツプロンプトポリシーで非対称に取り組みます。
コンテンツプロンプト(Content prompt)は、RSが未使用ユーザーの要求を予測する新しいコンテンツを作成するためのヒントまたは提案である。
我々は,利用者の社会的福祉を均衡的に最適化するコンテンツを提供できるように,提供者の集合を誘導する共同推進政策を決定することを目的とする。
- 参考スコア（独自算出の注目度）: 14.416231654089994
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Users derive value from a recommender system (RS) only to the extent that it
is able to surface content (or items) that meet their needs/preferences. While
RSs often have a comprehensive view of user preferences across the entire user
base, content providers, by contrast, generally have only a local view of the
preferences of users that have interacted with their content. This limits a
provider's ability to offer new content to best serve the broader population.
In this work, we tackle this information asymmetry with content prompting
policies. A content prompt is a hint or suggestion to a provider to make
available novel content for which the RS predicts unmet user demand. A
prompting policy is a sequence of such prompts that is responsive to the
dynamics of a provider's beliefs, skills and incentives. We aim to determine a
joint prompting policy that induces a set of providers to make content
available that optimizes user social welfare in equilibrium, while respecting
the incentives of the providers themselves. Our contributions include: (i) an
abstract model of the RS ecosystem, including content provider behaviors, that
supports such prompting; (ii) the design and theoretical analysis of sequential
prompting policies for individual providers; (iii) a mixed integer programming
formulation for optimal joint prompting using path planning in content space;
and (iv) simple, proof-of-concept experiments illustrating how such policies
improve ecosystem health and user welfare.
- Abstract（参考訳）: ユーザは、ニーズ/参照を満たすコンテンツ(またはアイテム)を表面化できる程度まで、レコメンダシステム(rs)から価値を導き出す。
rssはユーザーベース全体にわたるユーザーの好みの包括的なビューを持つことが多いが、コンテンツ提供者は一般的に、コンテンツとやりとりしたユーザーの好みのローカルなビューしか持っていない。
これにより、より広い人口に最適なコンテンツを提供するプロバイダの能力が制限される。
本研究では,この情報非対称性とコンテンツ促進ポリシーを取り扱う。
コンテンツプロンプト(Content prompt)は、RSが未使用ユーザーの要求を予測する新しいコンテンツを作成するためのヒントまたは提案である。
プロンプト・ポリシー(promping policy)は、プロバイダの信念、スキル、インセンティブのダイナミクスに応答する一連のプロンプトである。
我々は,提供者のインセンティブを尊重しつつ,利用者の社会的福祉を均衡的に最適化するコンテンツの提供を,提供者の集合に誘導する共同推進政策を策定することを目的とする。
私たちの貢献には
(i)このようなプロンプトをサポートするコンテンツ提供者行動を含むRSエコシステムの抽象モデル。
二 個別提供者に対する逐次的推進政策の設計及び理論的分析
(iii)コンテンツ空間における経路計画を用いた最適ジョイントプロンプトのための混合整数計画定式化
(4) 生態系の健康とユーザ福祉をいかに改善するかを示すシンプルな概念実証実験。
関連論文リスト
- EmbSum: Leveraging the Summarization Capabilities of Large Language Models for Content-Based Recommendations [38.44534579040017]
ユーザと候補項目のオフライン事前計算を可能にするフレームワークであるEmbSumを紹介する。
このモデルがユーザ興味の要約を生成する能力は貴重な副産物であり、パーソナライズされたコンテンツレコメンデーションに有用である。
論文 参考訳（メタデータ） (2024-05-19T04:31:54Z) - Editable User Profiles for Controllable Text Recommendation [66.00743968792275]
制御可能なテキストレコメンデーションのための新しい概念値ボトルネックモデル LACE を提案する。
LACEは、人間の読みやすい概念の簡潔なセットで各ユーザーを表現する。
ユーザ文書に基づいて概念のパーソナライズされた表現を学習する。
論文 参考訳（メタデータ） (2023-04-09T14:52:18Z) - The Amplification Paradox in Recommender Systems [12.723777984461693]
シミュレーションを通して、レコメンデータシステムの協調フィルタリングの性質と極度のコンテンツのニッチさが明らかにパラドックスを解消できることを示す。
提案手法は,「アルゴリズム増幅の微妙な解釈」であり,レコメンデータシステムの監査において,利用者にコンテンツの有用性をモデル化することの重要性を強調したものである。
論文 参考訳（メタデータ） (2023-02-22T09:12:48Z) - Recommending to Strategic Users [10.079698681921673]
ユーザーは、将来推奨されるコンテンツの種類に影響を与えるために、戦略的にコンテンツを選択する。
本稿では,戦略的消費を考慮した推奨品質向上のための3つの介入を提案する。
論文 参考訳（メタデータ） (2023-02-13T17:57:30Z) - Intelligent Request Strategy Design in Recommender System [76.90734681369156]
我々は、Intelligent Request Strategy Design(IRSD)というエッジインテリジェンスの新しい学習タスクを構想する。
IRSDは、ユーザのリアルタイムな意図に基づいて、リクエスト挿入の適切なタイミングを決定することにより、ウォーターフォールRSの有効性を向上させることを目的としている。
我々は、アップリフトベースのOn-edge Smart Request Framework(AdaRequest)という、適応的な要求挿入戦略の新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2022-06-23T16:51:38Z) - Explainability in Music Recommender Systems [69.0506502017444]
音楽レコメンダシステム(MRS)の文脈における説明可能性について論じる。
MRSは非常に複雑で、推奨精度に最適化されることが多い。
本稿では、MSSに説明可能性コンポーネントを組み込む方法と、どのようなフォーム説明を提供するかを示す。
論文 参考訳（メタデータ） (2022-01-25T18:32:11Z) - 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) - Towards Content Provider Aware Recommender Systems: A Simulation Study
on the Interplay between User and Provider Utilities [34.288256311920904]
我々は,ユーザユーティリティの目的と,推奨コンテンツに関連するプロバイダの反事実的ユーティリティリフトを最適化するために,強化推奨エージェントecoagent(ecoagent)を構築した。
私たちは、我々のアプローチの利点と限界の両方に光を当てるシミュレーション実験をいくつか提供します。
論文 参考訳（メタデータ） (2021-05-06T00:02:58Z) - Optimizing Long-term Social Welfare in Recommender Systems: A
Constrained Matching Approach [36.54379845220444]
一定レベルのユーザエンゲージメントを受けない限り、コンテンツプロバイダが存続できないような設定について検討する。
我々のモデルは、十分に多様な実現可能な提供者によって支えられる最大限の社会福祉と平衡に達することを保証します。
我々は、これらの結果が実用的意味でより公平であると主張する、ユーザの後悔と公平性のさまざまな概念に関連性を引き出す。
論文 参考訳（メタデータ） (2020-07-31T22:40:47Z) - Seamlessly Unifying Attributes and Items: Conversational Recommendation
for Cold-Start Users [111.28351584726092]
コールドスタートユーザに対しては,属性を問うと同時に,ユーザに対して対話的に商品を推薦する,対話型レコメンデーションを提案する。
会話型トンプソンサンプリング(ConTS)モデルでは,最大報酬の腕を選択することで,対話型レコメンデーションにおけるすべての質問を一意に解決する。
論文 参考訳（メタデータ） (2020-05-23T08:56:37Z) - Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。
まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
論文 参考訳（メタデータ） (2019-12-28T05:12:28Z)
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。