論文の概要: Analytical and Empirical Study of Herding Effects in Recommendation Systems
- arxiv url: http://arxiv.org/abs/2408.10895v1
- Date: Tue, 20 Aug 2024 14:29:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-21 13:15:27.908947
- Title: Analytical and Empirical Study of Herding Effects in Recommendation Systems
- Title（参考訳）: 勧告システムにおけるハーディング効果の分析と実証的研究
- Authors: Hong Xie, Mingze Zhong, Defu Lian, Zhen Wang, Enhong Chen,
- Abstract要約: 評価アグリゲーションルールとショートリストされた代表レビューを用いて製品評価を管理する方法について検討する。
本稿では,Amazon と TripAdvisor の収束速度を向上させるために,適切な信頼度評価アグリゲーションルールが有効であることを示す。
- 参考スコア（独自算出の注目度）: 72.6693986712978
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online rating systems are often used in numerous web or mobile applications, e.g., Amazon and TripAdvisor, to assess the ground-truth quality of products. Due to herding effects, the aggregation of historical ratings (or historical collective opinion) can significantly influence subsequent ratings, leading to misleading and erroneous assessments. We study how to manage product ratings via rating aggregation rules and shortlisted representative reviews, for the purpose of correcting the assessment error. We first develop a mathematical model to characterize important factors of herding effects in product ratings. We then identify sufficient conditions (via the stochastic approximation theory), under which the historical collective opinion converges to the ground-truth collective opinion of the whole user population. These conditions identify a class of rating aggregation rules and review selection mechanisms that can reveal the ground-truth product quality. We also quantify the speed of convergence (via the martingale theory), which reflects the efficiency of rating aggregation rules and review selection mechanisms. We prove that the herding effects slow down the speed of convergence while an accurate review selection mechanism can speed it up. We also study the speed of convergence numerically and reveal trade-offs in selecting rating aggregation rules and review selection mechanisms. To show the utility of our framework, we design a maximum likelihood algorithm to infer model parameters from ratings, and conduct experiments on rating datasets from Amazon and TripAdvisor. We show that proper recency aware rating aggregation rules can improve the speed of convergence in Amazon and TripAdvisor by 41% and 62% respectively.
- Abstract（参考訳）: オンライン評価システムは、多くのWebアプリケーションやモバイルアプリケーション、例えばAmazonやTripAdvisorで、製品の品質を評価するためによく使われている。
シーディング効果により、歴史的評価(または歴史的集団的意見)の集計はその後の評価に大きな影響を及ぼし、誤った評価や誤った評価につながる。
評価誤差の是正を目的として、評価集計ルールとショートリスト付き代表レビューを用いて製品評価を管理する方法について検討する。
まず,製品評価における群れ効果の重要な要因を特徴付ける数学的モデルを構築した。
次に, 歴史的集団的意見がユーザ全体の基幹的集団的意見に収束する十分条件(確率近似理論)を同定する。
これらの条件は、製品の品質を明らかにするための評価集約ルールとレビュー選択メカニズムのクラスを特定する。
また、評価アグリゲーションルールとレビュー選択機構の効率を反映した収束の速度を(マルティンゲール理論を介して)定量化する。
本研究は,Herding効果が収束速度を遅くする一方で,正確なレビュー選択機構が高速化できることを実証する。
また,収束の速度を数値的に検討し,評価アグリゲーションルールとレビュー選択機構を選択する際のトレードオフを明らかにする。
フレームワークの有用性を示すため,評価からモデルパラメータを推定し,Amazon と TripAdvisor のレーティングデータセットで実験を行うための,最大限のアルゴリズムを設計した。
適切な信頼度評価アグリゲーションルールは、AmazonとTripAdvisorのコンバージェンス速度をそれぞれ41%、TripAdvisorは62%向上できることを示す。
関連論文リスト
- Fighting Sampling Bias: A Framework for Training and Evaluating Credit Scoring Models [2.918530881730374]
本稿では,サンプリングバイアスがモデルトレーニングおよび評価に与える影響について考察する。
スコアカード評価のためのバイアス認識型自己学習と拒絶推論フレームワークを提案する。
その結果,ベイズ評価を用いて受入率を決定する場合,利益率が約8%向上することが示唆された。
論文 参考訳（メタデータ） (2024-07-17T20:59:54Z) - Estimating Treatment Effects under Recommender Interference: A Structured Neural Networks Approach [13.208141830901845]
標準差分推定器は、推奨者干渉による偏差推定を導出できることを示す。
本稿では,処理項目と制御項目の両方を含むプールからどのアイテムが露出するかを記述した「レコメンダ選択モデル」を提案する。
提案した推定器はベンチマークに匹敵する結果が得られるのに対し,標準差分推定器は有意なバイアスを示し,また逆の兆候も生み出すことを示す。
論文 参考訳（メタデータ） (2024-06-20T14:53:26Z) - On Faithfulness and Coherence of Language Explanations for
Recommendation Systems [8.143715142450876]
この研究は、最先端モデルとそのレビュー生成コンポーネントを探索する。
得られた説明は不安定であり, 推定評価の合理的な根拠として考える前に, さらなる評価が必要であることを示す。
論文 参考訳（メタデータ） (2022-09-12T17:00:31Z) - Tensor-based Collaborative Filtering With Smooth Ratings Scale [0.0]
人口レベルの異なる評価値間の依存性を表す評価の類似度行列を導入する。
利用者の比率を下げたり下げたりする効果をオフセットすることで、提案された推薦の質を向上させることができる。
論文 参考訳（メタデータ） (2022-05-10T17:55:25Z) - Cross Pairwise Ranking for Unbiased Item Recommendation [57.71258289870123]
我々はCPR(Cross Pairwise Ranking)という新しい学習パラダイムを開発する。
CPRは、露出メカニズムを知らずに不偏の推奨を達成する。
理論的には、この方法が学習に対するユーザ/イテムの適合性の影響を相殺することを証明する。
論文 参考訳（メタデータ） (2022-04-26T09:20:27Z) - Spatio-Temporal Graph Representation Learning for Fraudster Group
Detection [50.779498955162644]
企業は、偽レビューを書くために詐欺師グループを雇い、競合相手をデモしたり、自分のビジネスを宣伝したりすることができる。
そのようなグループを検出するには、詐欺師グループの静的ネットワークを表現するのが一般的なモデルである。
両レビュアーの表現学習におけるHIN-RNNの有効性を第一に活用することを提案する。
論文 参考訳（メタデータ） (2022-01-07T08:01:38Z) - Deconfounding Scores: Feature Representations for Causal Effect
Estimation with Weak Overlap [140.98628848491146]
推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。
分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。
特に,この手法が標準正規化の魅力的な代替となることを示す。
論文 参考訳（メタデータ） (2021-04-12T18:50:11Z) - ScoreGAN: A Fraud Review Detector based on Multi Task Learning of
Regulated GAN with Data Augmentation [50.779498955162644]
生成・検出プロセスにおけるレビューテキストとレビューレーティングスコアの両方を利用した不正レビュー検出のためのScoreGANを提案する。
その結果,提案フレームワークは,既存の最先端フレームワークであるFakeGANをAPの7%,YelpとTripAdvisorのデータセットで5%上回る性能を示した。
論文 参考訳（メタデータ） (2020-06-11T16:15:06Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳（メタデータ） (2020-06-02T13:34:11Z)
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。