論文の概要: User and Recommender Behavior Over Time: Contextualizing Activity, Effectiveness, Diversity, and Fairness in Book Recommendation

• arxiv url: http://arxiv.org/abs/2505.04518v1
• Date: Wed, 07 May 2025 15:45:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.134451
• Title: User and Recommender Behavior Over Time: Contextualizing Activity, Effectiveness, Diversity, and Fairness in Book Recommendation
• Title（参考訳）: ユーザとリコメンダの時間的行動--書籍推薦におけるコンテキスト化活動,有効性,多様性,公正性
• Authors: Samira Vaez Barenji, Sushobhan Parajuli, Michael D. Ekstrand,
• Abstract要約: 本稿では,Goodreadsから抽出したUCSD Book Graphデータセットの時間的説明分析について述べる。 2011年におけるアルゴリズムレコメンデーションの導入は,ユーザやレコメンデーションシステムの振る舞いの観察可能な変化に続いたかを検討する。
• 参考スコア（独自算出の注目度）: 2.1775979310224827
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data is an essential resource for studying recommender systems. While there has been significant work on improving and evaluating state-of-the-art models and measuring various properties of recommender system outputs, less attention has been given to the data itself, particularly how data has changed over time. Such documentation and analysis provide guidance and context for designing and evaluating recommender systems, particularly for evaluation designs making use of time (e.g., temporal splitting). In this paper, we present a temporal explanatory analysis of the UCSD Book Graph dataset scraped from Goodreads, a social reading and recommendation platform active since 2006. We measure the book interaction data using a set of activity, diversity, and fairness metrics; we then train a set of collaborative filtering algorithms on rolling training windows to observe how the same measures evolve over time in the recommendations. Additionally, we explore whether the introduction of algorithmic recommendations in 2011 was followed by observable changes in user or recommender system behavior.
• Abstract（参考訳）: データはレコメンデーションシステムを研究する上で不可欠なリソースです。 最先端のモデルの改善と評価、レコメンダシステム出力の様々な特性の測定には大きな取り組みがあったが、データ自体、特に時間が経つにつれてデータがどう変化したかに注意が払われていない。 このようなドキュメンテーションと分析は、特に時間(時間分割など)を利用した評価設計において、レコメンデーションシステムの設計と評価のためのガイダンスとコンテキストを提供する。 本稿では,2006年から活動しているソーシャル読書・レコメンデーションプラットフォームであるGoodreadsから抽出したUCSD Book Graphデータセットの時間的説明分析について述べる。 アクティビティ、多様性、公正度の測定値を使って書籍のインタラクションデータを計測し、トレーニングウィンドウ上で協調フィルタリングアルゴリズムのセットをトレーニングし、リコメンデーションにおいて同じ措置が時間とともにどのように進化するかを観察します。 さらに,2011年におけるアルゴリズムレコメンデーションの導入が,ユーザやレコメンデーションシステムの振る舞いの観察可能な変化に続いたかを検討した。

関連論文リスト

• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Modeling the Heterogeneous Duration of User Interest in Time-Dependent Recommendation: A Hidden Semi-Markov Approach [11.392605386729699]
  ユーザの関心事の変化を追跡するために,隠れたセミマルコフモデルを提案する。 このモデルでは、(最近)関心のある状態に留まるユーザの異なる期間をキャプチャすることができる。 パラメータを推定し,ユーザの行動を予測するためのアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-12-15T09:17:45Z)
• Impression-Aware Recommender Systems [53.48892326556546]
  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。 本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)

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。