論文の概要: Popular News Always Compete for the User's Attention! POPK: Mitigating Popularity Bias via a Temporal-Counterfactual
- arxiv url: http://arxiv.org/abs/2407.09939v1
- Date: Sat, 13 Jul 2024 16:32:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-10 19:45:59.742479
- Title: Popular News Always Compete for the User's Attention! POPK: Mitigating Popularity Bias via a Temporal-Counterfactual
- Title（参考訳）: Popular News Always Compete for the User's Attention! POPK: Mitigating Popularity Bias via a Temporal-Counterfactual
- Authors: Igor L. R. Azevedo, Toyotaro Suzumura, Yuichiro Yasui,
- Abstract要約: 本稿では,ニュース記事の影響を緩和するために時間的対数分析を用いた新しい手法であるPOPKを提案する。
我々は3つの異なる言語データセット(日本語、英語、ノルウェー語)でPOPKを検証したところ、従来の手法の強化に成功していることがわかった。
- 参考スコア（独自算出の注目度）: 1.6488226958404897
- License:
- Abstract: In news recommendation systems, reducing popularity bias is essential for delivering accurate and diverse recommendations. This paper presents POPK, a new method that uses temporal-counterfactual analysis to mitigate the influence of popular news articles. By asking, "What if, at a given time $t$, a set of popular news articles were competing for the user's attention to be clicked?", POPK aims to improve recommendation accuracy and diversity. We tested POPK on three different language datasets (Japanese, English, and Norwegian) and found that it successfully enhances traditional methods. POPK offers flexibility for customization to enhance either accuracy or diversity, alongside providing distinct ways of measuring popularity. We argue that popular news articles always compete for attention, even if they are not explicitly present in the user's impression list. POPK systematically eliminates the implicit influence of popular news articles during each training step. We combine counterfactual reasoning with a temporal approach to adjust the negative sample space, refining understanding of user interests. Our findings underscore how POPK effectively enhances the accuracy and diversity of recommended articles while also tailoring the approach to specific needs.
- Abstract（参考訳）: ニュースレコメンデーションシステムでは、正確で多様なレコメンデーションを提供するには、人気バイアスを減らすことが不可欠である。
本稿では,ニュース記事の影響を緩和するために時間的対数分析を用いた新しい手法であるPOPKを提案する。
POPKは「もしある時点の$t$で、人気記事のセットがユーザーの注意を引くために競争していたらどうだろう?」と尋ねると、推奨精度と多様性を改善することを目指している。
我々は3つの異なる言語データセット(日本語、英語、ノルウェー語)でPOPKを検証したところ、従来の手法の強化に成功していることがわかった。
POPKはカスタマイズの柔軟性を提供し、精度と多様性を高め、人気を測る方法を提供する。
人気ニュース記事は、ユーザーの印象リストに明示的に表示されていなくても、常に注意を競うと我々は主張する。
POPKは、トレーニング段階ごとに人気ニュース記事の暗黙の影響を体系的に排除する。
対実的推論と時間的アプローチを組み合わせて、ネガティブなサンプル空間を調整し、ユーザ関心の理解を深める。
本研究は,POPKが推奨項目の精度と多様性を効果的に向上すると同時に,特定のニーズに対するアプローチを調整していることを示すものである。
関連論文リスト
- Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Unveiling the Hidden Agenda: Biases in News Reporting and Consumption [59.55900146668931]
イタリアのワクチン論争に関する6年間のデータセットを構築し、物語と選択バイアスを特定するためにベイジアン潜在空間モデルを採用する。
バイアスとエンゲージメントの間に非線形な関係が見られ、極端な位置へのエンゲージメントが高くなった。
Twitter上でのニュース消費の分析は、同様のイデオロギー的な立場のニュースメディアの間で、一般的なオーディエンスを明らかにしている。
論文 参考訳（メタデータ） (2023-01-14T18:58:42Z) - Towards Proactively Forecasting Sentence-Specific Information Popularity
within Online News Documents [13.537665342333488]
本稿では,オンラインニュース文書中の文の人気を積極的に予測するタスクについて紹介する。
モデルをトレーニングするために、我々はInfoPopをキュレートする。
本稿では,文のサリエンス予測を補助課題とする転帰学習手法を提案する。
論文 参考訳（メタデータ） (2022-12-31T08:40:08Z) - IGNiteR: News Recommendation in Microblogging Applications (Extended
Version) [3.2108350580418166]
我々は、インフルエンスグラフニュースレコメンダ(IGNiteR)と呼ばれる、拡散と影響を意識したディープラーニングに基づくアプローチを提案する。
このニュースを表現するために、マルチレベルアテンションベースのエンコーダを使用して、ユーザの異なる関心事を明らかにする。
実世界の2つのデータセットに対して広範な実験を行い、IGNiteRが最先端のディープラーニングベースのニュースレコメンデーション手法より優れていることを示す。
論文 参考訳（メタデータ） (2022-10-04T22:33:58Z) - 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) - Reconciling the Quality vs Popularity Dichotomy in Online Cultural
Markets [62.146882023375746]
本研究では,現在普及している商品に偏りがある可能性のあるランキングアルゴリズムにより,品質基準を隠蔽した$N$アイテムをユーザに推奨する,理想化されたオンライン文化市場のモデルを提案する。
我々のゴールは、人気バイアスが高品質アイテムが低品質アイテムよりも人気になるのを防ぎ、品質と人気ランキングの間に望ましくないミスアライメントをもたらすという、よく知られた事実の根底にあるメカニズムをよりよく理解することである。
論文 参考訳（メタデータ） (2022-04-28T14:36:11Z) - The Unfairness of Popularity Bias in Book Recommendation [0.0]
人気度バイアスとは、人気アイテムが頻繁に推奨されるのに対して、人気アイテムがほとんどあるいはまったく推奨されないという問題を指す。
本稿では,有名な書籍分類データセットを分析し,人気商品に対する傾向に基づいて3つのユーザグループを定義した。
以上の結果から,ほとんどの最先端の推薦アルゴリズムは本分野における人気バイアスに悩まされていることが示唆された。
論文 参考訳（メタデータ） (2022-02-27T20:21:46Z) - 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) - User-centered Evaluation of Popularity Bias in Recommender Systems [4.30484058393522]
推薦とランク付けシステムは人気バイアスに悩まされ、アルゴリズムは人気アイテムを数種類選んで、他の項目の大半を下書きする傾向にある。
本稿では,これらのアルゴリズムをユーザの視点から評価したい場合に,人気バイアス軽減度を評価するための既存の指標の限界を示す。
ユーザ中心の視点から,人気バイアスを緩和する効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2021-03-10T22:12:51Z) - Causal Understanding of Fake News Dissemination on Social Media [50.4854427067898]
我々は、ユーザーがフェイクニュースを共有するのに、ユーザー属性が何をもたらすかを理解することが重要だと論じている。
偽ニュース拡散において、共同創設者は、本質的にユーザー属性やオンライン活動に関連する偽ニュース共有行動によって特徴づけられる。
本稿では,偽ニュース拡散における選択バイアスを軽減するための原則的アプローチを提案する。
論文 参考訳（メタデータ） (2020-10-20T19:37:04Z) - Political audience diversity and news reliability in algorithmic ranking [54.23273310155137]
本稿では,ウェブサイトのオーディエンスの政治的多様性を質の指標として活用することを提案する。
ドメインの専門家によるニュースソースの信頼性評価と6,890人の米国市民の多様なサンプルによるWebブラウジングデータを用いて、より極端な、政治的に多様性の低いWebサイトが、ジャーナリストの基準を低くしていることを示す。
論文 参考訳（メタデータ） (2020-07-16T02:13:55Z)
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。