投稿日: その他 論文紹介

Modelling User Interest for Zero-query Ranking

Liu Yang, Qi Guo, Yang Song, Sha Meng, Milad Shokouhi, Kieran McDonald, and W. Bruce Croft
In Proc. of ECIR 2016

概要

Google NowやMicrosoft Cortanaといった、ユーザの状況に応じてカードをランキングして表示するアプリにおいて、Learning to Rankを用いたカードのランキング精度の改善を目的とした論文。

特徴量

Learning to Rankに使用する特徴量は以下の3カテゴリ。

  1. Cart Type based Implicit Feedback Features: カードの種類(ニュースや、天気予報、フライト情報など)単位で決まる特徴量。Dwell timeが30秒以上のSATなクリックの割合や、クリックをせずにカードを見ている平均時間など。
  2. Entity based User Interests Features: ユーザのWeb閲覧履歴等から推定される、ユーザが興味を持つトピックと、カードのトピックの類似度で決まる特徴量。
  3. User Demographics Features: 各カードをクリックしたユーザの属性で決まる特徴量。カードをクリックしたユーザの平均年齢や男女比など。

評価方法

Microsoft Cortanaのデータを使用。トレーニングデータは2015/3/18~24の1週間、テストデータは2015/3/25~31の1週間を使用。
クリック後30秒以上のdwell timeを持つカードと、クリックはされなかったが10秒以上閲覧されたカードを適合カードとして、LambdaMARTを使用して求めたランキングのMRRとnDCG@1を評価。
実験の結果、上記3カテゴリすべての特徴量を使用した場合が最も精度が高く、各特徴量の有用度を評価したろころ、1つ目のカテゴリの有用度が特に高いことがわかった。


-その他, 論文紹介

関連記事

【論文紹介】What Makes a Link Successful on Wikipedia?

Dimitrov, Dimitar and Singer, Philipp and Lemmerich, Florian and Strohmaier, Markus WWW 2017 ACM, PD …

【論文紹介】I’ll Be Back: On the Multiple Lives of Users of a Mobile Activity Tracking Application

Zhiyuan Lin, Tim Althoff, Jure Leskovec WWW 2018 ACM, PDF 概要 Argusというスマホのダイエット用アプリのログを使って、ユーザのengage …

What are you looking for? An eye-tracking study of information usage in Web search

Cutrell, Edward Guan, Zhiwei In Proc. of CHI2007 http://dl.acm.org/citation.cfm?id=1240690 概要 デスクトップ …

【論文紹介】The automated acquisition of suggestions from tweets

Dong, Li and Wei, Furu and Duan, Yajuan and Liu, Xiaohua and Zhou, Ming and Xu, Ke AAAI 2013 ACM, PD …

Time-critical search

Mishra, Nina and White, Ryen W. and Ieong, Samuel and Horvitz, Eric In Proc. of SIGIR 2014 概要 一緒にいる人 …