論文の概要: A Look Into News Avoidance Through AWRS: An Avoidance-Aware Recommender System
- arxiv url: http://arxiv.org/abs/2407.09137v1
- Date: Fri, 12 Jul 2024 10:16:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-15 23:57:34.202543
- Title: A Look Into News Avoidance Through AWRS: An Avoidance-Aware Recommender System
- Title(参考訳): AWRSによるニュース回避の展望:回避型レコメンダシステム
- Authors: Igor L. R. Azevedo, Toyotaro Suzumura, Yuichiro Yasui,
- Abstract要約: AWRS(Avoidance-Aware Recommender System)を紹介する。
このフレームワークは、ニュース記事の回避がユーザの好みに関する重要な情報を伝えるという前提に基づいて、ニュースを推薦する際の回避意識を取り入れている。
- 参考スコア(独自算出の注目度): 1.6488226958404897
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, journalists have expressed concerns about the increasing trend of news article avoidance, especially within specific domains. This issue has been exacerbated by the rise of recommender systems. Our research indicates that recommender systems should consider avoidance as a fundamental factor. We argue that news articles can be characterized by three principal elements: exposure, relevance, and avoidance, all of which are closely interconnected. To address these challenges, we introduce AWRS, an Avoidance-Aware Recommender System. This framework incorporates avoidance awareness when recommending news, based on the premise that news article avoidance conveys significant information about user preferences. Evaluation results on three news datasets in different languages (English, Norwegian, and Japanese) demonstrate that our method outperforms existing approaches.
- Abstract(参考訳): 近年、ジャーナリストはニュース記事の回避傾向の高まり、特に特定の分野における懸念を表明している。
この問題はレコメンデーターシステムの台頭によって悪化している。
我々の研究は、推奨システムは回避を基本要因として考えるべきであることを示唆している。
我々は、ニュース記事は、露出、関連性、回避の3つの主要な要素によって特徴づけられると論じる。
これらの課題に対処するために、AWRS(Avoidance-Aware Recommender System)を導入する。
このフレームワークは、ニュース記事の回避がユーザの好みに関する重要な情報を伝えるという前提に基づいて、ニュースを推薦する際の回避意識を取り入れている。
異なる言語(英語,ノルウェー語,日本語)における3つのニュースデータセットの評価結果から,提案手法が既存手法より優れていることを示す。
関連論文リスト
- Cognitive Biases in Large Language Models for News Recommendation [68.90354828533535]
本稿では,認知バイアスが大規模言語モデル(LLM)に基づくニュースレコメンデータシステムに与える影響について検討する。
データ拡張、エンジニアリングと学習アルゴリズムの側面を通じて、これらのバイアスを軽減する戦略について議論する。
論文 参考訳(メタデータ) (2024-10-03T18:42:07Z) - News Recommendation with Attention Mechanism [3.255950854798191]
我々は,ニュースレコメンデーションのための注目に基づくアプローチであるNRAM(News Recommendation with Attention Mechanism)の実装について述べる。
評価の結果,NRAMは,デジタルニュースプラットフォーム上でのニュースコンテンツのパーソナライズ方法を大幅に改善する可能性が示唆された。
論文 参考訳(メタデータ) (2024-02-12T05:56:12Z) - Impression-Aware Recommender Systems [57.38537491535016]
新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。
研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
論文 参考訳(メタデータ) (2023-08-15T16:16:02Z) - DOR: A Novel Dual-Observation-Based Approach for News Recommendation
Systems [2.7648976108201815]
本稿では,ニュースレコメンデーションの問題に対処する新しい手法を提案する。
我々のアプローチは二重観測の考え方に基づいている。
ニュースの内容とユーザの視点の両方を考慮することで、よりパーソナライズされた正確なレコメンデーションを提供することができる。
論文 参考訳(メタデータ) (2023-02-02T22:16:53Z) - Two-Stage Neural Contextual Bandits for Personalised News Recommendation [50.3750507789989]
既存のパーソナライズされたニュースレコメンデーション手法は、ユーザの興味を搾取することに集中し、レコメンデーションにおける探索を無視する。
我々は、エクスプロイトと探索のトレードオフに対処する文脈的包括的レコメンデーション戦略に基づいて構築する。
我々はユーザとニュースにディープラーニング表現を使用し、ニューラルアッパー信頼境界(UCB)ポリシーを一般化し、加法的 UCB と双線形 UCB を一般化する。
論文 参考訳(メタデータ) (2022-06-26T12:07:56Z) - Quality-aware News Recommendation [92.67156911466397]
既存のニュースレコメンデーションメソッドは主に、推奨するニュースの品質を無視しながら、ニュースクリックを最適化することを目的としています。
本稿では,推奨ニュースの品質を効果的に向上する品質対応ニュースレコメンデーション手法であるQualityRecを提案する。
論文 参考訳(メタデータ) (2022-02-28T08:25:58Z) - PipAttack: Poisoning Federated Recommender Systems forManipulating Item
Promotion [58.870444954499014]
一般的な実践は、分散化された連邦学習パラダイムの下でレコメンデーターシステムをサブスクライブすることである。
本稿では,対象項目の促進のために,フェデレートされたレコメンデータシステムをバックドア化するための体系的アプローチを提案する。
論文 参考訳(メタデータ) (2021-10-21T06:48:35Z) - Aspect-driven User Preference and News Representation Learning for News
Recommendation [9.187076140490902]
ニュースレコメンダシステムは、通常、ユーザーのトピックレベルの表現とレコメンデーションのためのニュースを学習する。
本稿では,アスペクトレベルのユーザ嗜好とニュース表現学習に基づく,アスペクト駆動型ニューズレコメンダシステム(ANRS)を提案する。
論文 参考訳(メタデータ) (2021-10-12T07:38:54Z) - A News Recommender System Considering Temporal Dynamics and Diversity [0.0]
ニュースレコメンダーシステムでは、読者の好みは時間とともに変化します。
いくつかの選好は突然(短期選好)に流れ、他の選好は長い時間をかけて変化する。
私たちのシステムは、(i)読者行動のダイナミクスに対応でき、(ii)レコメンデーションモデルの設計における正確性と多様性の両方を考慮する必要があります。
論文 参考訳(メタデータ) (2021-03-23T13:45:34Z) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳(メタデータ) (2020-04-08T02:11:55Z)
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。