文献

J-GLOBAL ID：202002241117244144   整理番号：20A2263211

逐次推薦における累積ユーザ参加の最大化:オンライン最適化展望【JST・京大機械翻訳】

Maximizing Cumulative User Engagement in Sequential Recommendation An Online Optimization Perspective

著者 (5件)： Zhao Yifei (Alibaba Group, Hangzhou, China) ,  Zhou Yu-Hang (Alibaba Group, Hangzhou, China) ,  Ou Mingdong (Alibaba Group, Hangzhou, China) ,  Xu Huan (Alibaba Group, Hangzhou, China) ,  Li Nan (Microsoft, Suzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 2784-2792  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 逐次推薦における累積ユーザエンゲージメント(例えば累積クリック)を最大化するために,2つの潜在的に矛盾する目的,すなわち,より高い即時ユーザ関与(例えばクリックスルーレート)を追求し,ユーザブラウジング(即ち,より多くのアイテム曝露)を奨励することのトレードオフが,しばしば必要である。既存の研究は,これらの2つのタスクを別々に研究し,その結果,準最適結果をもたらす傾向がある。本論文では,オンライン最適化の観点からこの問題を研究し,より長いユーザブラウジング長と高い即時ユーザ関与を明示的にトレードオフするための柔軟で実用的なフレームワークを提案した。具体的には,行動としてアイテムを考慮することにより,ユーザの要求を状態として,ユーザを吸収状態として残すことにより,各ユーザの行動を個人化Markov決定プロセス(MDP)として定式化し,累積ユーザ関与を最大化する問題を確率的最短経路(SSP)問題に縮小する。一方,即時ユーザ関与とquit確率推定によって,SSP問題を動的計画法によって効率的に解くことができることを示した。実世界データセットに関する実験は,提案した方式の有効性を実証した。さらに,この手法を大規模Eコマースプラットフォームで展開し,累積クリックの7%以上の改善を達成した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動的計画法 ,  統計的推定 ,  有効性 ,  定式化 ,  データマイニング ,  *電子商取引
準シソーラス用語： 最短経路 ,  *ユーザ参加 , 【Automatic Indexing@JST】

著者キーワード (3件)： データマイニング ,  オンライン学習 ,  推奨システム

分類 (3件)： その他の情報処理  (JE15050M) ,  人間機械系  (IB03000G) ,  市場調査,広告  (KA06030H)

タイトルに関連する用語 (6件)： 推薦 ,  累積 ,  ユーザ参加 ,  最大化 ,  オンライン最適化 ,  展望