論文の概要: Revisiting N2DCG: An Empirically Grounded Reformulation of Carousel Recommendation Evaluation

• arxiv url: http://arxiv.org/abs/2608.21877v1
• Date: Sat, 22 Aug 2026 09:40:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.498809
• Title: Revisiting N2DCG: An Empirically Grounded Reformulation of Carousel Recommendation Evaluation
• Title（参考訳）: Revisiting N2DCG: An empirically grounded reformulation of Carousel Recommendation Evaluation
• Abstract要約: 制約を尊重して適切に正規化するN2DCGの再構成を提案し, 実証的に基底となる割引関数を用いる。 提案手法の有効性を検証し,実世界の視線追跡データに対するユーザの経験的行動をよりよく反映することを示す。
• 参考スコア（独自算出の注目度）: 56.85622784396052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Carousel interfaces have been widely used in video and music streaming services, yet it remains unclear how to properly evaluate recommender systems in these two-dimensional layouts. N2DCG has been proposed to address this gap by adapting NDCG to carousel-based recommendation, but it relies on unverified assumptions borrowed from the single-list web-search setting that do not transfer well to two-dimensional carousel layouts. We identify two substantial limitations of N2DCG: its ideal ranking, used for normalization, violates carousel constraints, and its discount function does not reflect user browsing behavior observed in empirical data. To address both limitations, we propose a reformulation of N2DCG that normalizes appropriately by respecting constraints and uses an empirically grounded discount function. We validate the proposed metric, showing that it better reflects users' empirical behavior on real-world eye-tracking data and better predicts the comparison results of carousel layouts simulated based on empirical examination patterns.
• Abstract（参考訳）: カルーセルインタフェースはビデオや音楽ストリーミングサービスで広く使われているが、これらの2次元レイアウトにおいてレコメンデータシステムをどのように適切に評価するかは定かではない。 N2DCGは、NDCGをカルーセルベースのレコメンデーションに適応させることにより、このギャップを解決するために提案されている。 正規化に使用される理想的なランク付けはカルーセル制約に反し、ディスカウント機能は経験的データで観察されたユーザの閲覧行動を反映しない。 両制約に対処するため,制約を尊重して適切に正規化するN2DCGの再構成を提案し,実験的に基底化された割引関数を用いる。 本研究では,実世界の視線追跡データに対するユーザの経験的行動をよりよく反映し,経験的検査パターンに基づいてシミュレーションしたカルーセルレイアウトの比較結果をよりよく予測できることを示す。

関連論文リスト

• Verifiable Reasoning for LLM-based Generative Recommendation [106.7765000777685]
  大規模言語モデル(LLM)における推論は、最近、生成的レコメンデーションの強化に強い可能性を示している。 本稿では,信頼性の高いフィードバックを提供するために,検証と推論をインターリーブする新しいTextbftextitreason-verify-recommendパラダイムを提案する。 4つの実世界のデータセットの実験は、VRecが効率を損なうことなく、推奨の有効性とスケーラビリティを大幅に向上することを示した。
  論文  参考訳（メタデータ） (2026-03-08T16:55:45Z)
• Embed Progressive Implicit Preference in Unified Space for Deep Collaborative Filtering [13.24227546548424]
  GNOLR(Generalized Neural Ordinal Logistic Regression)は、ユーザエンゲージメントの構造的進行を捉えるために提案されている。 GNOLRは予測精度を高め、ユーザのエンゲージメントの進行を捉え、検索プロセスを単純化する。 10の実世界のデータセットでの実験では、GNOLRは効率と適応性において最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2025-05-27T08:43:35Z)
• A Reproducibility Study of PLAID [25.86500025007641]
  我々はPLAIDと論文から欠落した重要なベースラインを比較した。 ColBERTv2 を BM25 の初期プール上に再ランカとして適用することにより,低レイテンシ環境での効率効率・効率性トレードオフが向上することがわかった。 この制限を克服するために、最近提案された上位文書の隣人を引き出すように、再ランク付けする修正が提案されていることが分かりました。
  論文  参考訳（メタデータ） (2024-04-23T12:46:53Z)
• Aligning GPTRec with Beyond-Accuracy Goals with Reinforcement Learning [67.71952251641545]
  GPTRecはアイテム・バイ・イテムレコメンデーションのためのTop-Kモデルの代替品である。 GPTRecは,従来のグリーディ・リグレード手法よりも精度とセカンダリ・メトリクスのトレードオフが優れていることを示す。 2つのデータセットに対する実験により、GPTRecのNext-K生成アプローチは、古典的なグリージーな再ランク技術よりも精度と二次メトリクスのトレードオフが優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-07T19:47:48Z)
• Sequential Recommendation with Controllable Diversification: Representation Degeneration and Diversity [59.24517649169952]
  我々は,表現退化問題は,既存のSR手法における推奨の多様性の欠如の根本原因であると主張している。 Singular sPectrum sMoothing regularization for Recommendation (SPMRec)を提案する。
  論文  参考訳（メタデータ） (2023-06-21T02:42:37Z)
• 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)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
  改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
  論文  参考訳（メタデータ） (2020-11-25T02:18:33Z)
• Convolutional Gaussian Embeddings for Personalized Recommendation with Uncertainty [17.258674767363345]
  既存の埋め込みベースのレコメンデーションモデルは、低次元空間における単一の固定点に対応する埋め込みを使用する。 本稿では,不確実な嗜好に適応することが証明されたガウス埋め込みを用いた統合された深層推薦フレームワークを提案する。 本フレームワークでは,モンテカルロサンプリングと畳み込みニューラルネットワークを用いて,対象ユーザと候補項目の相関関係を計算する。
  論文  参考訳（メタデータ） (2020-06-19T02:10:38Z)

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。