推薦システムにおける因果推論のための半合成データセット生成フレームワーク【JST・京大機械翻訳】

A Semi-Synthetic Dataset Generation Framework for Causal Inference in Recommender Systems

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年02月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

正確な推薦と信頼できる説明は,現代の推薦者システムにとって2つの重要な問題である。しかし,ほとんどの推薦ベンチマークは,評価の背後の根底にある原因を省略しながら,ユーザ-項目評価の予測のみに関心がある。例えば,広く使用されたYahoo R3データセットは,ユーザ-モビエ評価の原因に関する情報はほとんどない。解決策は調査を実施でき,そのような情報を提供するためにユーザを必要とする。実際に,ユーザ調査はコンプライアンス問題とスパースユーザ応答を避けることができず,因果律ベースの推薦の探査を大いに妨げる。推薦者システムにおける因果推論と更なる説明の研究をよりよく支持するために,著者らは,欠測性を有する因果的グラフィカルモデルが実際の推薦シナリオの因果機構を記述するために採用される推薦者システムのための新しい半合成データ生成フレームワークを提案した。このフレームワークの使用を例証するために,著者らは,有名な映画評価ウェブサイトから収集された記述タグとレイティング情報と同様に,映画に基づいて,Causal Tags and Ratings(CTAR)を有する半合成データセットを構築した。収集したデータと因果グラフを使用して,ユーザ-アイテム-格子とそれらの対応するユーザ-項目-タグを自動的に作り出して,それは利用者がアイテムをレートする理由(選択タグ)を提供した。CTARデータセットに関する記述統計とベースライン結果も報告した。提案したデータ生成フレームワークは推薦に限らず,公開されたAPIは,他の研究タスクのためにカスタマイズされたデータセットを生成するために使用できる。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

その他の情報処理 , 人工知能

, , , ,

前のページに戻る