論文の概要: Engineering Serendipity through Recommendations of Items with Atypical Aspects

• arxiv url: http://arxiv.org/abs/2505.23580v1
• Date: Thu, 29 May 2025 15:53:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-30 18:14:07.957676
• Title: Engineering Serendipity through Recommendations of Items with Atypical Aspects
• Title（参考訳）: 非典型的側面をもつ項目の推薦による工学的セレンディピティー
• Authors: Ramit Aditya, Razvan Bunescu, Smita Nannaware, Erfan Al-Hossami,
• Abstract要約: 非典型的側面を持つ項目の推薦を通じて,工学的セレンディピティーの新たな課題を紹介する。 項目レビューから非定型的な側面を抽出し,ユーザ固有のユーティリティを推定,集約するLLMベースのシステムパイプラインについて述べる。 システムによって生成されたセレンディピティーに基づくランキングは,地上の真理ランキングと高い相関性を示す。
• 参考スコア（独自算出の注目度）: 0.5892638927736115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A restaurant dinner or a hotel stay may lead to memorable experiences when guests encounter unexpected aspects that also match their interests. For example, an origami-making station in the waiting area of a restaurant may be both surprising and enjoyable for a customer who is passionate about paper crafts. Similarly, an exhibit of 18th century harpsichords would be atypical for a hotel lobby and likely pique the interest of a guest who has a passion for Baroque music. Motivated by this insight, in this paper we introduce the new task of engineering serendipity through recommendations of items with atypical aspects. We describe an LLM-based system pipeline that extracts atypical aspects from item reviews, then estimates and aggregates their user-specific utility in a measure of serendipity potential that is used to rerank a list of items recommended to the user. To facilitate system development and evaluation, we introduce a dataset of Yelp reviews that are manually annotated with atypical aspects and a dataset of artificially generated user profiles, together with crowdsourced annotations of user-aspect utility values. Furthermore, we introduce a custom procedure for dynamic selection of in-context learning examples, which is shown to improve LLM-based judgments of atypicality and utility. Experimental evaluations show that serendipity-based rankings generated by the system are highly correlated with ground truth rankings for which serendipity scores are computed from manual annotations of atypical aspects and their user-dependent utility. Overall, we hope that the new recommendation task and the associated system presented in this paper catalyze further research into recommendation approaches that go beyond accuracy in their pursuit of enhanced user satisfaction. The datasets and the code are made publicly available at https://github.com/ramituncc49er/ATARS .
• Abstract（参考訳）: レストランのディナーやホテルの宿泊は、客が自分の興味にマッチする予期せぬ側面に遭遇した場合、記憶に残る経験につながる可能性がある。 例えば、食堂の待合所にある折り紙作りの駅は、紙工芸に熱心な客には驚きと楽しみの両方がある。 同様に、18世紀のハープシコード(英語版)の展示はホテルのロビーとしては異例であり、バロック音楽に情熱を持つゲストの興味を惹きつけるものと思われる。 そこで本研究では,非典型的側面をもつ項目の推薦を通じて,工学的セレンディピティーの新たな課題を紹介する。 項目レビューから非定型的な側面を抽出し,ユーザが推奨する項目のリストを再ランクするセレンディピティーポテンシャルの尺度を用いて,ユーザ固有のユーティリティを推定し,集約するLLMベースのシステムパイプラインについて述べる。 システム開発と評価を容易にするために,非定型的な側面を手動で注釈付けしたYelpレビューのデータセットと,人工的に生成されたユーザプロファイルのデータセットと,ユーザ視点のユーティリティ値のクラウドソースアノテーションを導入する。 さらに,テキスト内学習例を動的に選択するカスタム手順を導入し,非定型性や有用性のLCMに基づく判断を改善することを示す。 実験により,システムによって生成されるセレンディピティーに基づくランキングは,非典型的側面のマニュアルアノテーションとユーザ依存ユーティリティからセレンディピティースコアが計算される地上の真理ランキングと高い相関性を示した。 本論文では,ユーザ満足度の向上を追求する上で,提案する新たなレコメンデーションタスクと関連するシステムについて,その精度を超えるレコメンデーションアプローチについてさらなる研究を行うことを期待する。 データセットとコードはhttps://github.com/ramituncc49er/ATARS で公開されている。

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)
• How to Surprisingly Consider Recommendations? A Knowledge-Graph-based Approach Relying on Complex Network Metrics [0.2537383030441368]
  本稿では,項目カタログ上のユーザインタラクションを符号化することで,知識グラフに基づくレコメンデーションシステムを提案する。 本研究は,ネットワークレベルのKG測定値が推薦のサプライズ度に影響を及ぼすかどうかを考察する。 我々は、LastFMリスニング履歴と合成Netflix視聴プロファイルの2つのデータセットに対するアプローチを実験的に評価した。
  論文  参考訳（メタデータ） (2024-05-14T09:38:44Z)
• 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)
• Extraction of Atypical Aspects from Customer Reviews: Datasets and Experiments with Language Models [0.7234862895932991]
  顧客レビューにおける非定型的な側面を検出するタスクを紹介する。 抽出モデルの開発を容易にするため、3つの領域のレビューのベンチマークデータセットを手動でアノテートする。 我々は,命令ベースのテキスト変換器-T5の微調整からゼロショット,GPT-3.5の少数ショットプロンプトまで,多くの言語モデルを評価する。
  論文  参考訳（メタデータ） (2023-11-05T16:15:50Z)
• Topic-Level Bayesian Surprise and Serendipity for Recommender Systems [0.0]
  利用者が消費した商品のレーティング履歴に合わせたレコメンデーションを最適化するレコメンデーションシステムは、フィルタバブルを作成することができる。 この望ましくない行動を緩和するための1つのアプローチは、セレンディピティーの可能性が高いアイテムを推薦することである。 本稿では,ベイジアン・サプライズに根ざしたセレンディピティーのコンテンツに基づく定式化を提案し,そのセレンディピティーを利用者が消費・評価した後のセレンディピティーを測定する。
  論文  参考訳（メタデータ） (2023-08-11T20:05:01Z)
• PURS: Personalized Unexpected Recommender System for Improving User Satisfaction [76.98616102965023]
  本稿では、予期せぬことを推奨プロセスに組み込んだ、新しいPersonalized Unexpected Recommender System(PURS)モデルについて述べる。 3つの実世界のデータセットに対する大規模なオフライン実験は、提案されたPURSモデルが最先端のベースラインアプローチを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2021-06-05T01:33:21Z)

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。