Upgrade to Pro — share decks privately, control downloads, hide ads and more …

[RecSys2023論文読み会]Interface Design to Mitigate I...

okukenta
October 22, 2023

[RecSys2023論文読み会]Interface Design to Mitigate Inflation in Recommender Systems

RecSys2023論文読み会での論文紹介資料です。
https://connpass.com/event/298043/

紹介論文:
Rana Shahout, Yehonatan Peisakhovsky, Sasha Stoikov, and Nikhil Garg: Interface Design to Mitigate Inflation in Recommender Systems, In Proceedings of the 17th ACM conference on Recommender systems, pp.897-903, 2023.

okukenta

October 22, 2023
Tweet

More Decks by okukenta

Other Decks in Research

Transcript

  1. Interface Design to Mitigate Inflation in Recommender Systems Rana Shahout,

    Yehonatan Peisakhovsky, Sasha Stoikov, and Nikhil Garg 2023年10月21日 RecSys2023論文読み会 紹介者:龍谷大学 奥 健太 紹介論文
  2. 自己紹介 奥 健太(龍谷大学 先端理工学部) • 講義スライド ◦ 推薦システム概論 ◦ 推薦システム高校講座

    • 推薦システム 演習問題集 • recsys-python | Pythonによる推薦システム演習問題集 • recsys-django | Djangoによる推薦システム開発チュートリアル 推薦システムを軸にした研究教育 著書のサポートサイトに推薦システム教材コンテンツを公開 RecSysコミュニティの裾野が広がれば...
  3. 対象とする課題 | 評価値インフレーション 人気のあるアイテムに対して、ますます高評価が集まる傾向 [Filippas+2018] ➢ 正確な嗜好予測が困難に ➢ 人気アイテムへの注目はますます高まる一方で、 新規アイテムの発見が困難に

    [Aziz+2020] RQ: インタフェースデザインで評価値インフレーションを解決可能か? 本研究 (1) 評価インタフェースによるユーザの評価付け傾向への影響を分析 (2) 個人化推薦が評価値に与える影響を分析
  4. 分析対象 | Piki Music* 楽曲発見のためにデザインされたモバイルアプリ 1. ユーザに30秒間、楽曲動画クリップを提示 2. ユーザは、dislike, like,

    super-likeの いずれかで明示的に評価 3. 評価後、次の楽曲が再生される a. 次の楽曲は個人化推薦 またはランダム推薦により選択 *Piki Music: https://www.piki.nyc/ 出典:論文Figure 1 再生開始後、時間差でdislike, like, super-likeボタンが有効化 ※2021年 2月 21日に機能搭載
  5. 分析対象 | Piki Music* 楽曲発見のためにデザインされたモバイルアプリ 1. ユーザに30秒間、楽曲動画クリップを提示 2. ユーザは、dislike, like,

    super-likeの いずれかで明示的に評価 3. 評価後、次の楽曲が再生される a. 次の楽曲は個人化推薦 またはランダム推薦により選択 再生開始後、時間差でdislike, like, super-likeボタンが有効化 *Piki Music: https://www.piki.nyc/ 出典:論文Figure 1 ※2021年 2月 21日に機能搭載
  6. 自然実験 | タイマー導入前後6ヶ月間のデータ分析 dislike like super-like 3s 6s 12s 0s

    30s dislike like super-like 3s 6s 12s 0s 30s 再生 時刻 2021年 2月 21日 pre timers dataset* 動画再生後すぐに評価可能 動画再生後、時間差で評価 396 users, 8,592 songs, 141,096 ratings post timers dataset* 1,071 users, 11,536 songs, 100,818 ratings *piki-music-dataset: https://github.com/sstoikov/piki-music-dataset
  7. ランダム化比較試験(RCT) dislike like super-like 3s 6s 12s 0s 30s 再生

    時刻 like like 9s likeボタンの解放タイミングを変えた3種類のTreatmentを用意し、 ユーザをランダムにいずれかのTreatmentに割り当てて実験 Tre. a Tre. b Tre. c 389 users, 59,100 songs, 5,454 ratings 308 users, 38,946 songs, 5,397 ratings 375 users, 43,633 songs, 5,418 ratings
  8. 1. ユーザに30秒間、楽曲動画クリップを提示 2. ユーザは、dislike, like, super-likeの いずれかで明示的に評価 3. 評価後、次の楽曲が再生される a.

    次の楽曲は個人化推薦 またはランダム推薦により選択 分析対象 | Piki Music* 楽曲発見のためにデザインされたモバイルアプリ 再生開始後、時間差でdislike, like, super-likeボタンが有効化 *Piki Music: https://www.piki.nyc/ 出典:論文Figure 1 ※2021年 2月 21日に機能搭載
  9. 結果2 | 個人化推薦が評価値に与える影響 (1) 個人化推薦 による楽曲 dislike = 0 like

    = 1 super-like = 2 ランダム推薦/個人化推薦による提示楽曲に対する平均評価値を比較 個人化推薦 ランダム推薦 ランダム推薦 による楽曲 < 出典:論文Figure 3 (a)
  10. 結果2 | 個人化推薦が評価値に与える影響 (2) dislike = 0 like = 1

    super-like = 2 楽曲単位で各推薦方式による 平均評価値をプロット 出典:論文Figure 3 (b)