記事一覧
【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
【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 Nos
【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
【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
【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
【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
【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
【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：RecS
【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, Mou
【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
【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
【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
【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
【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,
【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 P