推薦システムは、膨大なユーザー行動から個人の嗜好を捉え、適切なアイテムを提案することで、情報過多の問題に対する効果的な解決策として注目されている。しかし、ユーザーの動的な嗜好、「情報の閉鎖」、推薦システム固有のフィードバックループにより、ユーザーが限られたアイテムとしか交互しないという課題がある。従来の推薦アルゴリズムは主に正の履歴行動に焦点を当ててきたが、ユーザー嗜好理解における負のフィードバックの重要な役割を軽視してきた。
負のサンプリングは、ユーザー行動に内在する真の負の側面を明らかにする有望だが見落とされがちな分野として台頭している。本調査では、まず負のサンプリングの推薦システムにおける役割について議論し、その進展を阻害し続けている課題を徹底的に分析する。次に、既存の負のサンプリング戦略について広範な文献レビューを行い、それらを5つのカテゴリーに分類する。最後に、様々な推薦シナリオにおける特化された負のサンプリング戦略の有効性メカニズムと意義深い洞察を詳述し、コミュニティが取り組み、恩恵を受けるであろう展望的な研究方向性の概要を示す。
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések