STUDY: Socially Aware Temporally Causal Decoder Recommender Systems

要約

レコメンダー システムは、人々が自分の興味に合ったアイテムを見つけられるようにするために広く使用されています。
これらの関心はソーシャル ネットワークの影響を受けることが多いため、レコメンダー システムではソーシャル ネットワークの情報を効果的に使用することが重要になります。
これは、大多数とは異なる関心を持つ人口グループに特に当てはまります。
この論文では、社会を意識した時間的因果デコーダ推奨システムである STUDY を紹介します。
STUDY は、既存の方法よりも学習とトレーニングの効率が大幅に高い、社会を意識した新しいレコメンダー システム アーキテクチャを導入します。
STUDY は、修正されたトランスフォーマー デコーダー ネットワークの単一の順方向パスで、社会的に接続されたグループに対して共同推論を実行します。
私たちは、失読症の学生や読書に困難を抱えている学生に本を勧める際に、STUDY の利点を実証します。
ディスレクシアの生徒は、読み物に取り組むのが難しいことが多いため、生徒の興味に合わせた本を勧めることが重要です。
私たちは非営利パートナーである Learning Ally と協力して、苦労している読者のデータセットで STUDY を評価しました。
STUDY は、既存の方法と比較して、学生の参加をより正確に予測する推奨事項を生成できました。

要約(オリジナル)

Recommender systems are widely used to help people find items that are tailored to their interests. These interests are often influenced by social networks, making it important to use social network information effectively in recommender systems. This is especially true for demographic groups with interests that differ from the majority. This paper introduces STUDY, a Socially-aware Temporally caUsal Decoder recommender sYstem. STUDY introduces a new socially-aware recommender system architecture that is significantly more efficient to learn and train than existing methods. STUDY performs joint inference over socially connected groups in a single forward pass of a modified transformer decoder network. We demonstrate the benefits of STUDY in the recommendation of books for students who are dyslexic, or struggling readers. Dyslexic students often have difficulty engaging with reading material, making it critical to recommend books that are tailored to their interests. We worked with our non-profit partner Learning Ally to evaluate STUDY on a dataset of struggling readers. STUDY was able to generate recommendations that more accurately predicted student engagement, when compared with existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google