論文の概要: Riding the Carousel: The First Extensive Eye Tracking Analysis of Browsing Behavior in Carousel Recommenders
- arxiv url: http://arxiv.org/abs/2507.10135v1
- Date: Mon, 14 Jul 2025 10:26:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:24.7521
- Title: Riding the Carousel: The First Extensive Eye Tracking Analysis of Browsing Behavior in Carousel Recommenders
- Title（参考訳）: Carouselの乗り心地:Carousel Recommenderにおける第1回集中眼球追跡分析
- Authors: Santiago de Leon-Martinez, Robert Moro, Branislav Kveton, Maria Bielikova,
- Abstract要約: フリーブラウジング環境下でのカルーセル推奨者の視線追跡行動に関する最初の広範囲な分析を行った。
この研究は、フィールドのギャップに対処し、レコメンダを改善するためにカルーセルで視線追跡されたブラウジング行動の最初の広範な実験結果を提供する。
- 参考スコア（独自算出の注目度）: 12.234011238060134
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Carousels have become the de-facto interface in online services. However, there is a lack of research in carousels, particularly examining how recommender systems may be designed differently than the traditional single-list interfaces. One of the key elements for understanding how to design a system for a particular interface is understanding how users browse. For carousels, users may browse in a number of different ways due to the added complexity of multiple topic defined-lists and swiping to see more items. Eye tracking is the key to understanding user behavior by providing valuable, direct information on how users see and navigate. In this work, we provide the first extensive analysis of the eye tracking behavior in carousel recommenders under the free-browsing setting. To understand how users browse, we examine the following research questions : 1) where do users start browsing, 2) how do users transition from item to item within the same carousel and across carousels, and 3) how does genre preference impact transitions? This work addresses a gap in the field and provides the first extensive empirical results of eye tracked browsing behavior in carousels for improving recommenders. Taking into account the insights learned from the above questions, our final contribution is to provide suggestions to help carousel recommender system designers optimize their systems for user browsing behavior. The most important suggestion being to reorder the ranked item positions to account for browsing after swiping.These contributions aim not only to help improve current systems, but also to encourage and allow the design of new user models, systems, and metrics that are better suited to the complexity of carousel interfaces.
- Abstract（参考訳）: カルーセルはオンラインサービスのデファクトインターフェースになっている。
しかし、カルーセルの研究の欠如、特に従来のシングルリストインタフェースとは異なる設計のレコメンデーターシステムについて検討している。
特定のインターフェースのためにシステムを設計する方法を理解する上で重要な要素の1つは、ユーザーがどのように閲覧するかを理解することである。
カルーセルの場合、複数のトピック定義リストの複雑さが増し、より多くのアイテムを見るためにスワイプするので、ユーザーは様々な方法でブラウズすることができる。
視線追跡は、ユーザーの視線とナビゲーションに関する価値ある直接的な情報を提供することによって、ユーザーの行動を理解するための鍵である。
本研究では,フリーブラウジング環境下でのカルーセルレコメンデータの視線追跡行動について,初めて詳細な分析を行った。
利用者の閲覧方法を理解するために,1) 利用者の閲覧開始場所について検討する。
2同じカルーセル内及びカルーセル内におけるアイテムからアイテムへの遷移について
3)ジャンル選好は移行にどのように影響するか?
この研究は、フィールドのギャップに対処し、レコメンダを改善するためにカルーセルで視線追跡されたブラウジング行動の最初の広範な実験結果を提供する。
上記の質問から得られた知見を考慮し、我々はカルーセルの推薦システム設計者がユーザーのブラウジング行動に最適化するのを助けるための提案を行う。
これらの貢献は、現在のシステムを改善するだけでなく、カルーセルインターフェースの複雑さに最も適した新しいユーザーモデル、システム、メトリクスの設計を奨励し、許容することを目的としている。
関連論文リスト
- RecGaze: The First Eye Tracking and User Interaction Dataset for Carousel Interfaces [58.695627866883065]
カルーセルに関する最初の包括的なフィードバックデータセットであるRecGazeデータセットを紹介します。
データセットは、3つの映画選択タスクからのインタラクションと、ユーザ毎に40の異なるカルーセルインターフェースで構成されている。
カルーセル設計に関する調査結果とカルーセルの視線データを初めて分析した結果から,黄金の三角形やFパターンの閲覧行動が明らかになった。
論文 参考訳（メタデータ） (2025-04-29T14:09:20Z) - 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) - Beyond Positive History: Re-ranking with List-level Hybrid Feedback [49.52149227298746]
リストレベルのハイブリッドフィードバック (dubed RELIFE) を用いた再ランク付けを提案する。
ユーザの好みや行動パターンを3つのモジュールでキャプチャする。
実験により、RELIFEはSOTAの再ランクベースラインを著しく上回っていることが示された。
論文 参考訳（メタデータ） (2024-10-28T06:39:01Z) - Leveraging User-Generated Reviews for Recommender Systems with Dynamic Headers [5.464901224450247]
電子商取引プラットフォームは、顧客のショッピング上の関心を満たすための膨大なアイテムカタログを持っている。
学術文献では、これらのカルーセルの項目のランク付けとリコールセットの生成と向上のために多くのモデルが提案されている。
本研究は,これらのカルーセルのヘッダ生成プロセスをカスタマイズするための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2024-09-11T21:18:21Z) - Modeling Domain and Feedback Transitions for Cross-Domain Sequential Recommendation [60.09293734134179]
$textTransition2$は、ドメインとユーザフィードバックのタイプの両方にわたるトランジションをモデル化する新しい方法です。
我々は、異なるタイプの遷移を識別するために、様々なマスクを組み込んで、クロストランジション・マルチヘッド・セルフアテンションを用いて、ユーザ履歴をエンコードする。
論文 参考訳（メタデータ） (2024-08-15T15:18:55Z) - Sequential Modeling with Multiple Attributes for Watchlist
Recommendation in E-Commerce [67.6615871959902]
電子商取引におけるウォッチリスト機能について検討し、新しいウォッチリスト推薦タスクを導入する。
私たちのゴールは、ユーザーが次にクリックするアイテムを予測することで、ユーザーが次に注意を払うべきウォッチリスト項目を優先順位付けすることです。
提案するレコメンデーションモデルであるTrans2DはTransformerアーキテクチャ上に構築されている。
論文 参考訳（メタデータ） (2021-10-18T10:02:15Z) - Measuring the User Satisfaction in a Recommendation Interface with
Multiple Carousels [7.8851236034886645]
ビデオオンデマンドおよび音楽ストリーミングサービスでは、いくつかのレコメンデーションリストからなるユーザーインターフェースを採用するのが一般的である。
本稿では,カルーセルの品質を計測するカルーセル設定のための2次元評価プロトコルを提案する。
論文 参考訳（メタデータ） (2021-05-14T20:33:51Z) - A Methodology for the Offline Evaluation of Recommender Systems in a
User Interface with Multiple Carousels [7.8851236034886645]
ビデオオンデマンドおよび音楽ストリーミングサービスは、複数の推奨リストからなるページをユーザーに提供します。
展示するカルーセルを選択するための効率的な戦略を見つけることは、大きな産業的関心の活発な研究課題である。
本論文では, カルーセル設定のオフライン評価プロトコルを提案し, モデルの推奨品質を, すでに利用可能なカルーセルのセットでどれだけ改善するかによって測定する。
論文 参考訳（メタデータ） (2021-05-13T13:14:59Z) - A Real-Time Whole Page Personalization Framework for E-Commerce [13.254747746069139]
eコマースプラットフォームは、ホームページに複数のカルーセルを含んでいる。
カルーセル内のアイテムは、シーケンシャルユーザーアクションに基づいて動的に変更されます。
ウォルマートオンライン食料品のホームページで、アイテムカルーセルをリアルタイムで最適にランク付けするためのスケーラブルなエンドツーエンド生産システムを紹介します。
論文 参考訳（メタデータ） (2020-12-08T19:08:41Z) - Controllable Multi-Interest Framework for Recommendation [64.30030600415654]
我々はレコメンデータシステムを逐次レコメンデーション問題として定式化する。
我々は,ComiRec と呼ばれる連続的なレコメンデーションのための新しい制御可能な多目的フレームワークを提案する。
私たちのフレームワークは、オフラインのAlibaba分散クラウドプラットフォームにうまくデプロイされています。
論文 参考訳（メタデータ） (2020-05-19T10:18:43Z)
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。