論文の概要: What News Recommendation Research Did (But Mostly Didn't) Teach Us About Building A News Recommender
- arxiv url: http://arxiv.org/abs/2509.12361v1
- Date: Mon, 15 Sep 2025 18:50:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-17 17:50:52.721939
- Title: What News Recommendation Research Did (But Mostly Didn't) Teach Us About Building A News Recommender
- Title（参考訳）: ニュースレコメンデーション研究が行ったこと(もっともそうではなかった)は、ニュースレコメンデーションの作り方を教える
- Authors: Karl Higley, Robin Burke, Michael D. Ekstrand, Bart P. Knijnenburg,
- Abstract要約: 我々は,ニュースレコメンデーション研究のライブプラットフォームであるPOPROXを構築するために,ニュースレコメンデーション文献を適用しようとした経験について報告する。
私たちの経験は、ニュースアグリゲータやパブリッシャーの製品によく見られるパーソナライズ機能を構築する際に遭遇したいくつかの予期せぬ課題を浮き彫りにしている。
- 参考スコア（独自算出の注目度）: 7.075738038423935
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One of the goals of recommender systems research is to provide insights and methods that can be used by practitioners to build real-world systems that deliver high-quality recommendations to actual people grounded in their genuine interests and needs. We report on our experience trying to apply the news recommendation literature to build POPROX, a live platform for news recommendation research, and reflect on the extent to which the current state of research supports system-building efforts. Our experience highlights several unexpected challenges encountered in building personalization features that are commonly found in products from news aggregators and publishers, and shows how those difficulties are connected to surprising gaps in the literature. Finally, we offer a set of lessons learned from building a live system with a persistent user base and highlight opportunities to make future news recommendation research more applicable and impactful in practice.
- Abstract（参考訳）: 推薦システム研究の目標の1つは、実践者が真の利益とニーズに根ざした実際の人々に高品質なレコメンデーションを提供する現実世界のシステムを構築するのに使用できる洞察と方法を提供することである。
我々は,ニュースレコメンデーション研究のライブプラットフォームであるPOPROXの構築にニュースレコメンデーション文献を適用しようとする経験について報告する。
我々の経験は、ニュースアグリゲータや出版社の製品によく見られるパーソナライズ機能を構築する際に遭遇したいくつかの予期せぬ課題を浮き彫りにし、これらの困難が文学における驚くべきギャップとどのように結びついているかを示している。
最後に、永続的なユーザベースを持つライブシステムの構築から学んだ教訓の集合を提供し、将来のニュースレコメンデーション研究をより適用し、実践的に影響のあるものにする機会を強調します。
関連論文リスト
- A Study on Enhancing User Engagement by Employing Gamified Recommender Systems [7.330085696471743]
ゲーミフィケーションは、個人がシステム上でより多くの活動を行う動機となる。
この研究は、様々なドメインアプリケーションにおけるユーザエンゲージメントを高めるためのゲーミフィケーションレコメンデーションシステムについて、包括的なレビューを提供する。
論文 参考訳（メタデータ） (2025-08-02T08:49:45Z) - Multi-Layer Ranking with Large Language Models for News Source Recommendation [20.069181633869093]
我々はNewsQuoteと呼ばれる新しいデータセットを構築し、ニュース記事の収集から得られた23,571の引用話者ペアで構成されています。
我々は,特定のクエリに関連付けられる可能性に基づいて,専門家の検索として推薦タスクを定式化する。
この結果から,テキスト内学習に基づくLLMランキングと多層ランキングに基づくフィルタを用いることで,推薦システムの予測品質と行動品質を著しく向上することがわかった。
論文 参考訳（メタデータ） (2024-06-17T17:02:34Z) - 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) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳（メタデータ） (2023-07-05T06:03:40Z) - ONCE: Boosting Content-based Recommendation with Both Open- and
Closed-source Large Language Models [39.193602991105]
大規模言語モデル(LLM)は、事前学習から深い意味理解と広範な知識を持っている。
我々は、コンテンツベースのレコメンデーションを強化するために、オープンソースLLMとクローズドソースLLMの両方を活用する可能性を探る。
既存の最先端レコメンデーションモデルと比較して, 最大19.32%の大幅な改善が見られた。
論文 参考訳（メタデータ） (2023-05-11T04:51:21Z) - DOR: A Novel Dual-Observation-Based Approach for News Recommendation
Systems [2.7648976108201815]
本稿では,ニュースレコメンデーションの問題に対処する新しい手法を提案する。
我々のアプローチは二重観測の考え方に基づいている。
ニュースの内容とユーザの視点の両方を考慮することで、よりパーソナライズされた正確なレコメンデーションを提供することができる。
論文 参考訳（メタデータ） (2023-02-02T22:16:53Z) - 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) - A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
我々は知識グラフに基づく推薦システムの体系的な調査を行う。
論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。
これらの作業で使用されるデータセットを紹介します。
論文 参考訳（メタデータ） (2020-02-28T02:26:30Z)
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。