The MovieLens Beliefs Dataset: Collecting Pre-Choice Data for Online Recommender Systems

要約

レコメンダーシステムの設計において、レコメンデーションが消費者の選択にどのような影響を与えるかを考慮することは、ますます重要になってきている。本稿では、選択行動の重要な予測因子である、未体験のアイテムに関するユーザーの信念を収集する方法を紹介することで、この問題に取り組む。我々はこの方法をMovieLensプラットフォームに実装し、ユーザーの評価、信念、そして観察されたレコメンデーションを組み合わせた豊富なデータセットを得た。我々は、回答の選択バイアスや製品空間の限られたカバレッジなど、このようなデータ収集の課題を文書化する。このユニークなリソースは、研究者がユーザーの行動をより深く掘り下げ、推薦を欠いたユーザーの選択を分析し、推薦の有効性を測定し、ユーザーの信念データを活用するアルゴリズムのプロトタイプを作成し、最終的に、よりインパクトのある推薦システムにつながる。データセットはhttps://grouplens.org/datasets/movielens/ml_belief_2024/。

要約(オリジナル)

An increasingly important aspect of designing recommender systems involves considering how recommendations will influence consumer choices. This paper addresses this issue by introducing a method for collecting user beliefs about un-experienced items – a critical predictor of choice behavior. We implemented this method on the MovieLens platform, resulting in a rich dataset that combines user ratings, beliefs, and observed recommendations. We document challenges to such data collection, including selection bias in response and limited coverage of the product space. This unique resource empowers researchers to delve deeper into user behavior and analyze user choices absent recommendations, measure the effectiveness of recommendations, and prototype algorithms that leverage user belief data, ultimately leading to more impactful recommender systems. The dataset can be found at https://grouplens.org/datasets/movielens/ml_belief_2024/.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL