論文の概要: Towards Global, Socio-Economic, and Culturally Aware Recommender Systems

• arxiv url: http://arxiv.org/abs/2312.05805v1
• Date: Sun, 10 Dec 2023 07:36:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 18:42:50.514332
• Title: Towards Global, Socio-Economic, and Culturally Aware Recommender Systems
• Title（参考訳）: グローバル・社会経済的・文化的レコメンダシステムを目指して
• Authors: Kelley Ann Yohe
• Abstract要約: 文化的アイデンティティと社会経済的要因を考慮したレコメンデーターシステムの可能性を検討する。 エンターテイメント業界における消費者定期購読プラン選択のシナリオを提示する。 高度に調整されたANNモデルには、ドメイン固有のデータ、文化指標の選択、関連する社会経済的要因が組み込まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recommender systems have gained increasing attention to personalise consumer preferences. While these systems have primarily focused on applications such as advertisement recommendations (e.g., Google), personalized suggestions (e.g., Netflix and Spotify), and retail selection (e.g., Amazon), there is potential for these systems to benefit from a more global, socio-economic, and culturally aware approach, particularly as companies seek to expand into diverse markets. This paper aims to investigate the potential of a recommender system that considers cultural identity and socio-economic factors. We review the most recent developments in recommender systems and explore the impact of cultural identity and socio-economic factors on consumer preferences. We then propose an ontology and approach for incorporating these factors into recommender systems. To illustrate the potential of our approach, we present a scenario in consumer subscription plan selection within the entertainment industry. We argue that existing recommender systems have limited ability to precisely understand user preferences due to a lack of awareness of socio-economic factors and cultural identity. They also fail to update recommendations in response to changing socio-economic conditions. We explore various machine learning models and develop a final artificial neural network model (ANN) that addresses this gap. We evaluate the effectiveness of socio-economic and culturally aware recommender systems across four dimensions: Precision, Accuracy, F1, and Recall. We find that a highly tuned ANN model incorporating domain-specific data, select cultural indices and relevant socio-economic factors predicts user preference in subscriptions with an accuracy of 95%, a precision of 94%, a F1 Score of 92\%, and a Recall of 90\%.
• Abstract（参考訳）: 消費者の嗜好をパーソナライズするためのレコメンデーションシステムが注目されている。 これらのシステムは、主に広告推奨(Googleなど)、パーソナライズされた提案(NetflixやSpotifyなど)、小売業の選択(Amazonなど)といったアプリケーションに焦点を合わせてきたが、特に企業が多様な市場への進出を目指す中で、よりグローバルで社会経済的で文化的に意識されたアプローチの恩恵を受ける可能性がある。 本稿では,文化的アイデンティティと社会経済的要因を考慮したレコメンダシステムの可能性を検討することを目的とする。 近年のレコメンデーションシステムの発展を振り返り、文化的アイデンティティと社会経済的要因が消費者の嗜好に与える影響を考察する。 次に,これらの因子をレコメンダシステムに組み込むためのオントロジーとアプローチを提案する。 このアプローチの可能性を説明するために,エンタテインメント業界における消費者サブスクリプションプラン選択のシナリオを提案する。 既存のレコメンデーターシステムは、社会経済的要因や文化的アイデンティティの認識が欠如しているため、ユーザの好みを正確に理解する能力が限られていると論じる。 また、社会経済状況の変化に応じてレコメンデーションを更新することができない。 さまざまな機械学習モデルを探索し、このギャップに対処する最終人工ニューラルネットワークモデル(ANN)を開発する。 社会経済的・文化的に意識された推薦システムの有効性を,正確性,正確性,F1,リコールの4次元にわたって評価した。 ドメイン固有データを含む高度に調整されたannモデル,文化指標の選択,関連する社会経済的要因は,95%の精度,94%の精度,92\%のf1スコア,90\%のリコールでユーザ好みを予測する。

関連論文リスト

• A Personalized Framework for Consumer and Producer Group Fairness Optimization in Recommender Systems [13.89038866451741]
  本稿では,CP-FairRankを提案する。CP-FairRankは,消費者と生産者の双方の公正性制約をシームレスに統合する最適化アルゴリズムである。 提案手法は, 消費者および生産者の公正性を, 全体的な推薦品質を損なうことなく向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-02-01T10:42:05Z)
• A Comprehensive Survey of Evaluation Techniques for Recommendation Systems [0.0]
  本稿では,システム性能の異なる側面を捉えた,総合的なメトリクススイートを紹介する。 私たちは、現在の評価プラクティスの長所と短所を特定し、さまざまなメトリクスにまたがってレコメンデーションシステムを最適化するときに現れる、微妙なトレードオフを強調します。
  論文  参考訳（メタデータ） (2023-12-26T11:57:01Z)
• An Offer you Cannot Refuse? Trends in the Coerciveness of Amazon Book Recommendations [0.0]
  TextitBarrier-to-Exitは、ユーザが好みを変更するのがいかに難しいかを示す指標で、1998年から2018年にかけてAmazon Book Ratingsの大規模なデータセットを分析します。 調査の結果,バリア・トゥ・エグジットは時間とともに著しく成長し,利用者の嗜好を変えることが困難になったことが示唆された。
  論文  参考訳（メタデータ） (2023-10-21T16:32:38Z)
• Modeling Recommender Ecosystems: Research Challenges at the Intersection of Mechanism Design, Reinforcement Learning and Generative Models [17.546954143602818]
  システム内のすべてのアクターのインセンティブと行動のモデリングは、システムがこれらのアクターにもたらす価値を最大化し、全体のエコシステム「健康」を改善するために厳密に必要である、と我々は主張する。 本稿では、これらの要素を包含する概念的枠組みを提案し、これらの異なる分野の交差点に現れる多くの研究課題を明確にする。
  論文  参考訳（メタデータ） (2023-09-08T03:20:58Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• A Survey on Fairness-aware Recommender Systems [59.23208133653637]
  本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。 次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-06-01T07:08:22Z)
• Measuring Commonality in Recommendation of Cultural Content: Recommender Systems to Enhance Cultural Citizenship [67.5613995938273]
  そこで本稿では,文化内容の特定のカテゴリにおいて,特定のユーザ集団に親しみのあるレコメンデーションの度合いを反映した新しい尺度として,共通性を導入する。 以上の結果から,共通性は既存の指標と相補的なシステム行動の特性を捉え,利用者の文化的市民性を高めることを目的としたリコメンデータシステムにおける代替的非個人化介入の必要性が示唆された。
  論文  参考訳（メタデータ） (2022-08-02T19:14:49Z)
• Price DOES Matter! Modeling Price and Interest Preferences in Session-based Recommendation [55.0391061198924]
  セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。 セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。 セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
  論文  参考訳（メタデータ） (2022-05-09T10:47:15Z)
• Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
  本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。 具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
  論文  参考訳（メタデータ） (2022-04-29T19:13:23Z)
• 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)

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。