論文の概要: Algorithmic Collective Action in Recommender Systems: Promoting Songs by Reordering Playlists
- arxiv url: http://arxiv.org/abs/2404.04269v1
- Date: Tue, 19 Mar 2024 23:27:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-14 13:21:48.429666
- Title: Algorithmic Collective Action in Recommender Systems: Promoting Songs by Reordering Playlists
- Title(参考訳): 推薦システムにおけるアルゴリズム的集合行動:プレイリストの並べ替えによる歌の促進
- Authors: Joachim Baumann, Celestine Mendler-Dünner,
- Abstract要約: 変圧器を用いた推薦システムにおけるアルゴリズム的集団行動について検討する。
我々のユースケースは、アーティストがコントロールする既存のプレイリストに曲を戦略的に配置することで、アーティストの可視性を促進することを目的としたファンの集まりである。
我々は,この目標に向けて,実装が容易な2つの戦略を導入し,主要な音楽ストリーミングプラットフォームがリリースするレコメンデータシステムモデル上で,その有効性を検証した。
- 参考スコア(独自算出の注目度): 10.681288493631978
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate algorithmic collective action in transformer-based recommender systems. Our use case is a collective of fans aiming to promote the visibility of an artist by strategically placing one of their songs in the existing playlists they control. The success of the collective is measured by the increase in test-time recommendations of the targeted song. We introduce two easily implementable strategies towards this goal and test their efficacy on a publicly available recommender system model released by a major music streaming platform. Our findings reveal that even small collectives (controlling less than 0.01% of the training data) can achieve up 25x amplification of recommendations by strategically choosing the position at which to insert the song. We then focus on investigating the externalities of the strategy. We find that the performance loss for the platform is negligible, and the recommendations of other songs are largely preserved, minimally impairing the user experience of participants. Moreover, the costs are evenly distributed among other artists. Taken together, our findings demonstrate how collective action strategies can be effective while not necessarily being adversarial, raising new questions around incentives, social dynamics, and equilibria in recommender systems.
- Abstract(参考訳): 変圧器を用いた推薦システムにおけるアルゴリズム的集団行動について検討する。
我々のユースケースは、アーティストがコントロールする既存のプレイリストに曲を戦略的に配置することで、アーティストの可視性を促進することを目的としたファンの集まりである。
この曲の成功は、対象歌のテストタイムレコメンデーションの増加によって測定される。
我々は,この目標に向けて,実装が容易な2つの戦略を導入し,主要な音楽ストリーミングプラットフォームがリリースするレコメンデータシステムモデル上で,その有効性を検証した。
その結果,小集団(トレーニングデータの0.01%未満をコントロールしている)でさえ,楽曲挿入位置を戦略的に選択することで,推薦の25倍の増幅を達成できることが判明した。
次に、戦略の外部性の調査に焦点をあてる。
プラットフォームの性能損失は無視でき、他の曲の推薦は大部分が保存されており、参加者のユーザエクスペリエンスを損なうことが最小限である。
さらに、コストは他のアーティストに均等に分配される。
本研究は, 包括的行動戦略が必ずしも敵対的ではなく, インセンティブ, 社会的ダイナミクス, およびレコメンデーターシステムにおける均衡に関する新たな疑問を提起する上で有効であることを示すものである。
関連論文リスト
- Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。
参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。
この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
論文 参考訳(メタデータ) (2024-05-09T07:36:08Z) - Fast Peer Adaptation with Context-aware Exploration [63.08444527039578]
マルチエージェントゲームにおける学習エージェントに対するピア識別報酬を提案する。
この報酬は、効果的な探索と迅速な適応のための文脈認識ポリシーを学ぶためのエージェントのモチベーションとなる。
我々は,競争力のある(クーンポーカー),協力的(PO-Overcooked),あるいは混合的(Predator-Prey-W)な(Pedator-Prey-W)ゲームを含む多種多様なテストベッドについて評価を行った。
論文 参考訳(メタデータ) (2024-02-04T13:02:27Z) - Fairness Through Domain Awareness: Mitigating Popularity Bias For Music
Discovery [56.77435520571752]
音楽発見と人気バイアスの本質的な関係について検討する。
本稿では,グラフニューラルネットワーク(GNN)に基づくレコメンデータシステムにおいて,人気バイアスに対処する,ドメイン対応の個別フェアネスに基づくアプローチを提案する。
我々のアプローチでは、個々の公正さを用いて、真実を聴く経験、すなわち2つの歌が似ているとすると、この類似性は彼らの表現に反映されるべきである。
論文 参考訳(メタデータ) (2023-08-28T14:12:25Z) - Video-to-Music Recommendation using Temporal Alignment of Segments [5.7235653928654235]
ビデオのサウンドトラックとして使用される楽曲のモーダルな推薦について検討する。
音楽と映像の関連性を学習する自己教師システムを構築した。
本稿では,構造認識レコメンデーションを用いたシステムの性能向上のための新しい手法を提案する。
論文 参考訳(メタデータ) (2023-06-12T15:40:31Z) - 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) - Two-Stage Constrained Actor-Critic for Short Video Recommendation [23.12631658373264]
CMDP(Constrained Markov Decision Process)として短いビデオレコメンデーションの問題を定式化する。
本稿では,各補助信号の最適化のための2段階制約付きアクター批判手法を提案する。
我々の手法は、時計時間と相互作用の両面で、他のベースラインを著しく上回ります。
論文 参考訳(メタデータ) (2023-02-03T12:02:54Z) - A Tale of HodgeRank and Spectral Method: Target Attack Against Rank
Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。
本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。
提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文 参考訳(メタデータ) (2022-09-13T05:59:02Z) - Exploiting Negative Preference in Content-based Music Recommendation
with Contrastive Learning [16.728976424372362]
音楽レコメンデーションモデルと対照学習活用選好(CLEP)を比較して、ユーザの音楽嗜好におけるネガティブな嗜好の役割を分析する。
実験の結果,CLEP-Nは他の2つよりも精度が高く,偽陽性率が高いことがわかった。
論文 参考訳(メタデータ) (2022-07-28T07:02:48Z) - A session-based song recommendation approach involving user
characterization along the play power-law distribution [0.0]
この作業は、グレーシープユーザを管理し、暗黙のレーティングを取得するという、あまり注目されていない2つの重要な問題に焦点を当てている。
1つ目は通常、入手が難しいコンテンツ情報に頼って対処される。
もう一つの欠点は、明示的な評価を集めるのに障害があるときに生じる空間の問題に関係している。
論文 参考訳(メタデータ) (2020-04-25T07:17:03Z) - Incentivizing Exploration with Selective Data Disclosure [94.32975679779491]
効率的な探索を促すレコメンデーションシステムを提案し設計する。
エージェントは順次到着し、固定されたが未知のアクション固有の分布から引き出されたアクションを選択し、報酬を受け取る。
フレキシブル・頻繁な行動モデルを用いた探索において,最適な後悔率が得られる。
論文 参考訳(メタデータ) (2018-11-14T19:29:16Z)
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。