學界 | 推薦系統頂會 RecSys2018 最佳論文獎出爐!因果嵌入推薦與用戶研究成為焦點
機器之心轉載
來源:專知
第 12 屆推薦系統頂級會議 ACM RecSys 在 10 月 2 日到 7 日的加拿大溫哥華舉行,最近官網大會公布了最佳長短文,包括來自 Criteo AI Labs 的因果嵌入推薦與德國 Duisburg-Essen 大學的用戶評估中物品消費的影響。
官網地址:
https://recsys.acm.org/best-papers/
最佳長論文
RecSys 2018 的最佳長論文(Best Long Paper Award)由 Criteo 人工智慧實驗室的 Stephen Bonner 和 Flavian Vasile 獲得。他們提出因果嵌入的推薦方法。
最佳長論文:Causal Embeddings for Recommendation
論文鏈接:
http://www.zhuanzhi.ai/paper/f85a6456c9f08b6584ca62c05279147d
許多當前的應用程序使用推薦來影響自然用戶行為,例如增加銷售數量或在網站上花費的時間。這導致最終推薦目標與經典設置之間的差距,其中推薦候選者的效果是通過其與過去用戶行為的一致性來評估完成的,通過預測用戶項矩陣中的缺失條目或最可能的下一事件來實現。為了彌補這一差距,我們優化了推薦策略,以便針對有機用戶行為增加預期結果。我們證明這相當於學習在完全隨機推薦策略下預測推薦結果。為此,我們提出了一種新的領域自適應演算法,該演算法從包含偏向推薦策略結果的記錄數據中學習,並根據隨機暴露預測推薦結果。我們將提出的方法與最先進的因子分解方法以及新的因果推薦方法進行比較,實驗結果顯示出顯著的效果提升。
此外,另一篇論文獲得 Best Long Paper Runner-up:
標題:Generation Meets Recommendation: Proposing Novel Items for Groups of Users
作者:T.V. Vo, H. Soh
論文地址:
https://doi.org/10.1145/3240323.3240357
最佳短論文
RecSys 2018 的最佳短論文(Best Short Paper Award)由德國 Duisburg-Essen 大學的 Benedikt Loepp 等人獲得。他們提出研究用戶推薦評估中的物品消費的影響。
最佳短論文:Impact of Item Consumption on Assessment of Recommendations in User Studies
論文鏈接:
https://doi.org/10.1145/3240323.3240375
在推薦系統的用戶研究中,參與者通常不能消費推薦的物品。他們被要求通過問卷調查評估推薦質量和與用戶體驗相關的其他特性。然而,如果沒有聽過推薦的歌曲或看過建議的電影,這可能是一個容易出錯的任務,可能會限制這些研究中獲得的結果的有效性。在本文中,我們研究了實際消費推薦物品的效果。我們提出兩個在不同領域進行的用戶研究,在某些情況下表明,建議和問卷調查結果的評估存在差異。顯然,在不允許用戶使用物品的情況下,並不總是能夠充分測量用戶體驗。另一方面,根據領域和提供的信息,參與者有時似乎相當接近推薦的實際價值。
此外,另一篇論文獲得 Best Short Paper Runner-up:
標題:HOP-rec: High-order Proximity for Implicit Recommendation
作者:J.-H. Yang, C.-M. Chen, C.-J. Wang, M.-F. Tsai
論文地址:
https://dl.acm.org/citation.cfm?doid=3240323.3240381
本文為機器之心經授權轉載,
轉載請聯繫原公眾號獲得授權
。?------------------------------------------------
加入機器之心(全職記者 / 實習生):hr@jiqizhixin.com
投稿或尋求報道:
content
@jiqizhixin.com廣告 & 商務合作:bd@jiqizhixin.com
※業界 | 從語音到金融:鄧力的人工智慧30年
※周志華揭牌英特爾-南大聯合研究中心:探索DNN與GPU之外的「廣義深度學習」
TAG:機器之心 |