佃 洸摂

産総研 メディアインタラクション研究グループ 主任研究員。主に情報推薦、情報検索の研究に従事。 個人HP：http://ktsukuda.me Twitter：https://twitter.com/ktsukuda

佃 洸摂

産総研 メディアインタラクション研究グループ 主任研究員。主に情報推薦、情報検索の研究に従事。 個人HP：http://ktsukuda.me Twitter：https://twitter.com/ktsukuda

    【論文紹介】Do Loyal Users Enjoy Better Recommendations?: Understanding Recommender Accuracy from a Time Perspective

    文献情報タイトル：Do Loyal Users Enjoy Better Recommendations?: Understanding Recommender Accuracy from a Time Perspective 著者：Yitong Ji, Aixin Sun, Jie Zhang, Chenliang Li 会議：ICTIR 2022 概要ユーザにアイテムを推薦するとき、直感的には消費アイテム数の多いユーザの方が、好みを高い精度で推定できて推薦精度も高くなる

    佃 洸摂

      • 【論文紹介】Watch Less and Uncover More: Could Navigation Tools Help Users Search and Explore Videos?

        文献情報タイトル：Watch Less and Uncover More: Could Navigation Tools Help Users Search and Explore Videos? 著者：Maria Pérez Ortiz, Sahan Bulathwela, Claire Dormann, Meghana Verma, Stefan Kreitmayer, Richard Noss, John Shawe-Taylor, Yvonne Rogers, Emi

        佃 洸摂

        • 【論文紹介】Exploring the Impact of Temporal Bias in Point-of-Interest Recommendation

          文献情報タイトル：Exploring the Impact of Temporal Bias in Point-of-Interest Recommendation 著者：Hossein A. Rahmani, Mohammadmehdi Naghiaei, Ali Tourani, Yashar Deldjoo 会議：RecSys 2022 概要チェックインサービスでレジャー関連のチェックインが多いユーザは、仕事関連のチェックインが多いユーザよりもPOIの推薦精度が高い傾

          佃 洸摂

          • 【論文紹介】Estimation of Fair Ranking Metrics with Incomplete Judgments

            文献情報タイトル：Estimation of Fair Ranking Metrics with Incomplete Judgments 著者：Ömer Kırnap, Fernando Diaz, Asia Biega, Michael Ekstrand, Ben Carterette, Emine Yilmaz 会議：TheWebConf 2021 概要例えば本をユーザに推薦する際に、上位30件の著者の性別が男女同数であるような公平性を満たしたいとする。著者の性別のメ

            佃 洸摂

            【論文紹介】CPFair: Personalized Consumer and Producer Fairness Re-ranking for Recommender Systems

            文献情報タイトル：CPFair: Personalized Consumer and Producer Fairness Re-ranking for Recommender Systems 著者：Mohammadmehdi Naghiaei, Hossein A. Rahmani, Yashar Deldjoo 会議：SIGIR 2022 概要コンテンツの消費者と製作者の双方の公平性を考慮した推薦手法を提案。消費者側は、アクティブな消費者群と非アクティブな消費者群で推薦精

            佃 洸摂

            【書籍紹介】基礎から学ぶ推薦システム - 情報技術で嗜好を予測する -

            書籍名：基礎から学ぶ推薦システム - 情報技術で嗜好を予測する - 出版社：コロナ社 著者　：奥 健太（Twitter） 発行日：2022/07/21 本書は、推薦システムを初めて学ぶ人を対象に、推薦システムの必要性の説明から始まり、基礎的な推薦システムと、推薦システムの評価が網羅的に解説された一冊です。「まえがき」にも書かれているように、本書では深層学習ベースの推薦システムのような先端的なトピックは意図的にカバーしていません。先端的なトピックを理解するためには基礎から学ぶ

            佃 洸摂

            【論文紹介】A Non-Factoid Question-Answering Taxonomy

            文献情報タイトル：A Non-Factoid Question-Answering Taxonomy 著者：Valeriia Bolotova, Vladislav Blinov, Falk Scholer, W. Bruce Croft, Mark Sanderson 会議：SIGIR 2022 概要明確な回答が存在するfactoid型の質問ではなく、比較的長文の意見や説明が回答として求められるnon-factoid型の質問回答（NFQA）を対象に、質問のタクソノミー（6

            佃 洸摂

            【論文紹介】ProtoMF: Prototype-based Matrix Factorization for Effective and Explainable Recommendations

            文献情報タイトル：ProtoMF: Prototype-based Matrix Factorization for Effective and Explainable Recommendations 著者：Melchiorre, Alessandro B. and Rekabsaz, Navid and Ganhör, Christian  and Schedl, Markus 会議：RecSys 2022 概要ユーザに対するアイテムの推薦スコアを計算するときに、ユーザ

            佃 洸摂

            【論文紹介】Choice of Implicit Signal Matters: Accounting for User Aspirations in Podcast Recommendations

            文献情報タイトル：Choice of Implicit Signal Matters: Accounting for User Aspirations in Podcast Recommendations 著者：Zahra Nazari, Praveen Chandar, Ghazal Fazelnia, Catherine M. Edwards, Benjamin Carterette, Mounia Lalmas 会議：TheWebConf 2022 概要あるサービス上

            佃 洸摂

            【論文紹介】Learning Explicit User Interest Boundary for Recommendation

            文献情報タイトル：Learning Explicit User Interest Boundary for Recommendation 著者：Jianhuan Zhuo, Qiannan Zhu, Yinliang Yue, Yuhong Zhao 会議：TheWebConf 2022 概要推薦スコアが0～1の値を取るような推薦モデルにおいて、あるユーザへのあるアイテムの推薦スコアを計算して0.6だったときに、0.5以上だからと言って好みに合致しているとは限らず、このユー

            佃 洸摂

            【論文紹介】A Gain-Tuning Dynamic Negative Sampler for Recommendation

            文献情報タイトル：A Gain-Tuning Dynamic Negative Sampler for Recommendation 著者：Qiannan Zhu, Haobo Zhang, Qing He, Zhicheng Dou 会議：TheWebConf 2022 概要Implicit feedbackに基づく推薦手法では、学習時に1件の正例（ユーザが消費したアイテム）と1件の負例（ユーザが未消費のアイテム）をサンプリングし、正例の推薦スコアが負例の推薦スコアよりも

            佃 洸摂

            【論文紹介】Local Collaborative Autoencoders

            文献情報タイトル：Local Collaborative Autoencoders 著者：Minjin Choi, Yoonki Jeong, Joonseok Lee, Jongwuk Lee 会議：WSDM 2021 概要Implicit feedbackに基づく推薦手法では、全ユーザと全アイテムから構成されるグローバルなユーザ・アイテム行列を1つ作成し、各ユーザと各アイテムの潜在ベクトルを求めるのが一般的である。しかしそれでは、1人のユーザが持つ多様な好みを十分に表現

            佃 洸摂

            【論文紹介】Fighting Mainstream Bias in Recommender Systems via Local Fine Tuning

            文献情報タイトル：Fighting Mainstream Bias in Recommender Systems via Local Fine Tuning 著者：Ziwei Zhu, James Caverlee 会議：WSDM 2022 概要アイテムを消費するユーザには、消費傾向の似たユーザが多数いるmainstreamユーザと、類似ユーザがほとんどいないnicheユーザが存在する。本論文では、一般的な推薦手法ではmainstreamユーザに比べてnicheユーザの方が

            佃 洸摂

            【論文紹介】The Datasets Dilemma: How Much Do We Really Know About Recommendation Datasets?

            文献情報タイトル：The Datasets Dilemma: How Much Do We Really Know About Recommendation Datasets? 著者：Jin Yao Chin, Yile Chen, Gao Cong 会議：WSDM 2022 概要15種類のデータセットを対象にして5種類の推薦手法の精度を比較し、データセットによって有用な手法がどの程度異なるかを示した。また、その結果をもとに、推薦手法を提案する今後の研究でどのようなデータセ

            佃 洸摂

            【論文紹介】LFM-2b: A Dataset of Enriched Music Listening Events for Recommender Systems Research and Fairness Analysis

            文献情報タイトル：LFM-2b: A Dataset of Enriched Music Listening Events for Recommender Systems Research and Fairness Analysis 著者：Markus Schedl, Stefan Brandl, Oleg Lesota, Emilia Parada-Cabaleiro, David Penz, Navid Rekabsaz 会議：CHIIR 2022 概要Last.fmの

            佃 洸摂

            【論文紹介】Heterogeneous Global Graph Neural Networks for Personalized Session-based Recommendation

            文献情報タイトル：Heterogeneous Global Graph Neural Networks for Personalized Session-based Recommendation 著者：Yitong Pang, Lingfei Wu, Qi Shen, Yiming Zhang, Zhihua Wei, Fangli Xu, Ethan Chang, Bo Long, Jian Pei 会議：WSDM 2022 概要ユーザの過去のアイテム消費履歴が参照できる

            佃 洸摂