hakubishin3
commented
2 years ago Explainable Recommendation for Repeat Consumption
https://dl.acm.org/doi/10.1145/3383313.3412230
リピート消費されるアイテムの説明可能な推薦について有用性を検証した論文。
背景
例えば音楽ストリーミングサービスなど、ユーザが同じコンテンツを繰り返し消費するサービスが存在する。通常ユーザは同一コンテンツを繰り返し消費する際、はじめは集中的に消費し、コンテンツに飽き始めると消費頻度が落ちていき、最終的には消費しなくなる。しかし、消費しなくなったコンテンツでも、ユーザはそのコンテンツを再び消費する可能性はある（例えば、昔聞いていた音楽を聞くなど）。消費しなくなったコンテンツをユーザに再び消費してもらうことは、ユーザのサービス上の体験向上やチャーンレートに影響するかもしれないし、プラットフォーム的にも消費コンテンツが増えて嬉しい。推薦理由を提示することでこの体験を促進できるだろうと仮説立てている。
アプローチ
推薦理由は以下の3つの要因をベースに計 9 種類の理由スタイルを作成。スタイルの例として『あなたが（コンテンツ名）をはじめて聴いてから（Personal factorから求まる年数）年が経過しました』など。
- Personal factor: 推薦を受け取るユーザと推薦されるアイテムのインタラクション
- Social factor: 全ユーザと推薦されるアイテムのインタラクション
- Item factor: 推薦されるアイテムの情報
検証結果
アンケート調査で各スタイルの推薦理由の説得力を評価している。
- RQ1: How do the explanation styles affect the explanation persuasiveness?
- RQ2: For each explanation style, is there any tendency in terms of preferred values of the variable in the explanation?
Hayashi-Yudai
nogawanogawa
Why
Machine Learning 輪講は最新の技術や論文を追うことで、エンジニアが「技術で解決できること」のレベルをあげていくことを目的にした会です。
prev. https://github.com/wantedly/machine-learning-round-table/issues/152
What
話したいことがある人はここにコメントしましょう！ 面白いものを見つけた時点でとりあえず話すという宣言だけでもしましょう！