論文の概要: RecSys Challenge 2024: Balancing Accuracy and Editorial Values in News Recommendations
- arxiv url: http://arxiv.org/abs/2409.20483v1
- Date: Mon, 30 Sep 2024 16:42:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-02 05:36:48.605917
- Title: RecSys Challenge 2024: Balancing Accuracy and Editorial Values in News Recommendations
- Title（参考訳）: RecSys Challenge 2024:ニュースレコメンデーションにおける正確さと編集価値のバランス
- Authors: Johannes Kruse, Kasper Lindskow, Saikishore Kalloori, Marco Polignano, Claudio Pomo, Abhishek Srivastava, Anshuk Uppal, Michael Riis Andersen, Jes Frellsen,
- Abstract要約: RecSys Challenge 2024は、効果的で責任あるレコメンデーションシステムの設計に固有の技術的課題と規範的課題の両方に対処することで、ニュースレコメンデーションを進めることを目的としている。
本稿では,デンマークのニュース出版社 Ekstra Bladet と JP/Politikens Media Group が提供したデータセットについて述べる。
- 参考スコア（独自算出の注目度）: 10.456213850107288
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The RecSys Challenge 2024 aims to advance news recommendation by addressing both the technical and normative challenges inherent in designing effective and responsible recommender systems for news publishing. This paper describes the challenge, including its objectives, problem setting, and the dataset provided by the Danish news publishers Ekstra Bladet and JP/Politikens Media Group ("Ekstra Bladet"). The challenge explores the unique aspects of news recommendation, such as modeling user preferences based on behavior, accounting for the influence of the news agenda on user interests, and managing the rapid decay of news items. Additionally, the challenge embraces normative complexities, investigating the effects of recommender systems on news flow and their alignment with editorial values. We summarize the challenge setup, dataset characteristics, and evaluation metrics. Finally, we announce the winners and highlight their contributions. The dataset is available at: https://recsys.eb.dk.
- Abstract（参考訳）: RecSys Challenge 2024は、効果的で責任あるレコメンデーションシステムの設計に固有の技術的課題と規範的課題の両方に対処することで、ニュースレコメンデーションを進めることを目的としている。
本稿は、デンマークのニュース出版社Ekstra BladetとJP/Politikens Media Group(Ekstra Bladet)が提供するデータセットを含む課題について述べる。
この課題は、行動に基づくユーザの嗜好をモデル化したり、ニュースアジェンダがユーザーの興味に与える影響を考慮に入れたり、ニュースアイテムの急激な衰退を管理するといった、ニュースレコメンデーションのユニークな側面を探求するものである。
さらに、この課題は規範的な複雑さを受け入れ、レコメンダシステムのニュースフローへの影響と、それらの編集値との整合性を調査している。
課題設定、データセットの特徴、評価指標を要約する。
最後に、勝者を発表し、彼らの貢献を強調します。
データセットは以下の通りである。
関連論文リスト
- EB-NeRD: A Large-Scale Dataset for News Recommendation [10.456213850107288]
我々はEkstra Bladet News Recommendation dataset (EB-NeRD)を紹介する。
このデータセットには、100万人以上のユーザと、Ekstra Bladetの3700万以上のインプレッションログが含まれている。
EB-NeRDはRecSys '24 Challengeのベンチマークデータセットとして機能した。
論文 参考訳（メタデータ） (2024-10-04T13:43:29Z) - The VoxCeleb Speaker Recognition Challenge: A Retrospective [75.40776645175585]
VoxCeleb Speaker Recognition Challenges (VoxSRC)は、2019年から2023年にかけて毎年開催される一連の課題とワークショップである。
課題は主に、様々な環境下で話者認識とダイアリゼーションのタスクを評価した。
私たちは、これらの課題について、彼らが何を探求したのか、課題参加者によって開発された方法、そしてそれらがどのように進化したのかをレビューします。
論文 参考訳（メタデータ） (2024-08-27T08:57:31Z) - Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。
合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文 参考訳（メタデータ） (2024-07-20T10:13:54Z) - Review-based Recommender Systems: A Survey of Approaches, Challenges and Future Perspectives [11.835903510784735]
レビューベースのレコメンデータシステムは、この分野において重要なサブフィールドとして現れている。
本稿では,これらのシステムを分類し,その特徴,有効性,限界を解析し,最先端の手法を要約する。
本稿では,マルチモーダルデータの統合,複数基準評価情報の統合,倫理的考察など,今後の研究の方向性を提案する。
論文 参考訳（メタデータ） (2024-05-09T05:45:18Z) - NICE: CVPR 2023 Challenge on Zero-shot Image Captioning [149.28330263581012]
NICEプロジェクトは、堅牢な画像キャプションモデルを開発するためにコンピュータビジョンコミュニティに挑戦するために設計されている。
レポートには、新たに提案されたNICEデータセット、評価方法、課題結果、トップレベルのエントリの技術的な詳細などが含まれている。
論文 参考訳（メタデータ） (2023-09-05T05:32:19Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - 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) - NewsEdits: A News Article Revision Dataset and a Document-Level
Reasoning Challenge [122.37011526554403]
NewsEditsは、最初に公開されたニュースリビジョン履歴のデータセットである。
120万記事と、22以上の英語とフランス語の新聞ソースから460万バージョンを収録している。
論文 参考訳（メタデータ） (2022-06-14T18:47:13Z) - 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) - CHAMELEON: A Deep Learning Meta-Architecture for News Recommender
Systems [Phd. Thesis] [0.43512163406551996]
CHAMELEONは、ニュースレコメンデーションの課題に取り組むために設計されたディープラーニングメタアーキテクチャである。
モジュラー参照アーキテクチャで構成されており、異なるニューラルビルディングブロックを使用してインスタンス化することができる。
2つの大きなデータセットを用いて行った実験は、ニュースレコメンデーションにおけるCHAMELEONの有効性を示した。
論文 参考訳（メタデータ） (2019-12-29T13:40:56Z)
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。