- Item Fatigue
- Item fatigue occurs when a user is recommended the same item multiple times. After several impressions of the same item to the same user, the click probability decreases.
Abstract the impact of User Fatigue has been mostly ignored in the literature User fatigue 란, 특정 유저에게 동일한 아이템을 반복적으로 보여줬을 때, 해당 아이템에 대해 빠르게 흥미를 잃는 현상을 의미한다. online...
- abstract - 심리학적 관점에서 어떤 이유로 사용자들이 클릭을 안하고 넘어가는지 분석한 논문
SLIM(Sparse Linear Methods for Top-N Recommender Systems)은 item-item similarity 를 sparse linear model 로 학습하는 top-N recommendation 방법이다.
- Tags - KDD - paper link - https://dl.acm.org/doi/pdf/10.1145/2623330.2623356 - Abstract - Discussion - 기존 추천 시스템의 seen decay 옵션과 비슷한 것 같음
Paper link http://www.pelleg.org/shared/hp/download/relevance-is-not-enough.pdf 배경 question-answering sites 에 대한 추천 시스템 The feature that they really missed was diversity. In...
Alibaba 규모의 추천 플랫폼에서 cold item의 생태계 부스팅 을 위한 end-to-end 프레임워크. Tiered Boosting (단계적 노출 예산 할당) + Stacking Fine-Tuning Cold Predictor (cold CTR 예측) + Item-Oriented Bidding (입찰 기반...
개인화 추천 및 ranking 방식을 진행할 때 아이템의 visual appearance 무시하는 경우가 많다.
data (노출이 발생한 아이템) 정보는 유저들의 negative preference 에 대한 정보를 담고있지만 활용하기는 쉽지 않은데, 다음과 같은 이유가 있기 때문이다.
Pairwise 알고리즘 학습에서 사용하는 SGD (with uniformly drawn pairs) 방식은 아이템의 인기 정도가 tailed 분포를 따른다면 학습이 매우 느려진다는 점을 보임 이러한 문제를 극복하기 위해서 non-uniform item sampler 를 제안 해당 sampler 는 문맥 기반에...
온라인 추천 시스템을 지원하기 위해 3 차원 텐서 분해 기법을 사용하고, 고차원 folding-in 방법을 구현합니다. 또한, 표준 지표를 수정하여 원치 않는 bias 를 드러내고 negative feedback 에 대한 민감도를 고려할 수 있는 방안을 제안합니다.