Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
AbemaTV
RecSys2018
2018 December 14th
CyberAgent, Inc. All Rights Reserved
2018 6
AbemaTV
• RecSys
•
• Q&A
RecSys Overview
RecSys Overview
•
• 12
• :
• :10/2-7
• (10/2)
• (10/3-5)
• (10/6-7)
•
• Long : 18% (181 Submissions)
• Short : 25% (150 Submissions)
RecSys Overview
RecSys Overview
800 (73% )
RecSys Overview
•
RecSys Overview
10/3 10/4 10/5
Keynote1 Keynote2 Paper Session 5:
RecSys that Care
Paper Session 1:
Explanations
Paper Session 3:
Learning...
KeyNote
Five E’s: Reflecting on the Design of Recommendations
Elizabeth F. Churchill (Google)
• Explainable (understandabl...
How Algorithmic Confounding in Recommendation Systems
Increases Homogeneity and Decreases Utility
• feedback loop
•
• feed...
Unbiased Offline Recommender Evaluation for
Missing-Not-At-Random Implicit Feedback
•
• Inverse Propensity Score
•
Causal ...
Calibrated Recommendations
• Netflix
• 70% 30%
• User
KL divergence (Calibration Metric)
• Calibration Metric
• Divercity
...
Artwork Personalization at Netflix
• Netflix Industry session
•
(ex
)
• Contextial Bandit
https://medium.com/netflix-techb...
Explore, Exploit, and Explain: Personalizing Explainable
Recommendations with Bandits
• Sportify Contextual Bandits
•
Cont...
GENERATION MEETS RECOMMENDATION:
Proposing Novel Items for Groups of Users
•
• item
• VAE Encoder Decoder Z item z
• item ...
Interpreting User Inaction in Recommender Systems
• item
MovieLens
• 7 ("Would Not Enjoy”
“Watched” “Not Noticed” “Not Now...
A Field Study of Related Video Recommendations: Newest,
Most Similar, or Most Relevant?
• CTR
• MovieLens
•
Judging Simila...
RecSys2019
https://recsys.acm.org/recsys19/
:2019 9/16-20
:
RecSys Challenge 2019 by Trivago
Thank you
AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート
AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート
Prochain SlideShare
Chargement dans…5
×

sur

AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 1 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 2 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 3 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 4 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 5 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 6 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 7 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 8 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 9 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 10 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 11 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 12 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 13 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 14 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 15 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 16 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 17 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 18 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 19 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 20 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 21 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 22 AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート Slide 23
Prochain SlideShare
What to Upload to SlideShare
Suivant
Télécharger pour lire hors ligne et voir en mode plein écran

3 j’aime

Partager

Télécharger pour lire hors ligne

AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート

Télécharger pour lire hors ligne

AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート

AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート

  1. 1. AbemaTV RecSys2018 2018 December 14th CyberAgent, Inc. All Rights Reserved
  2. 2. 2018 6 AbemaTV
  3. 3. • RecSys • • Q&A
  4. 4. RecSys Overview
  5. 5. RecSys Overview • • 12 • : • :10/2-7 • (10/2) • (10/3-5) • (10/6-7)
  6. 6. • • Long : 18% (181 Submissions) • Short : 25% (150 Submissions) RecSys Overview
  7. 7. RecSys Overview
  8. 8. 800 (73% ) RecSys Overview
  9. 9. • RecSys Overview
  10. 10. 10/3 10/4 10/5 Keynote1 Keynote2 Paper Session 5: RecSys that Care Paper Session 1: Explanations Paper Session 3: Learning & Optimazation Paper Session 6: Metrics & Evaluations Industry Session 1: Alogrithms Industry Session 2: System Considerations Paper Session 7: Beyond Users & Items Paper Session 2: Products Paper Session 4: Travel & Entertainment Keynote3 RecSys Overview
  11. 11. KeyNote Five E’s: Reflecting on the Design of Recommendations Elizabeth F. Churchill (Google) • Explainable (understandable/intelligible) • Equitable(fair & impartial) • Ethical(morally good or correct) • Expedient (convenient & practical) • Exigent (pressing & demanding)
  12. 12. How Algorithmic Confounding in Recommendation Systems Increases Homogeneity and Decreases Utility • feedback loop • • feedback loop https://arxiv.org/abs/1710.11214
  13. 13. Unbiased Offline Recommender Evaluation for Missing-Not-At-Random Implicit Feedback • • Inverse Propensity Score • Causal Embeddings for Recommendation • Criteo AI Labs RecSys 2018 Best long paper • • Domain Adaptatin
  14. 14. Calibrated Recommendations • Netflix • 70% 30% • User KL divergence (Calibration Metric) • Calibration Metric • Divercity Black : play history Red : before calibration Green : after calibration https://dl.acm.org/citation.cfm?id=3240372
  15. 15. Artwork Personalization at Netflix • Netflix Industry session • (ex ) • Contextial Bandit https://medium.com/netflix-techblog/artwork-personalization-c589f074ad76 Artwork Personalization at Netflix
  16. 16. Explore, Exploit, and Explain: Personalizing Explainable Recommendations with Bandits • Sportify Contextual Bandits • Contextual Bandit BART • music https://hellogiggles.com/reviews-coverage/music/spotify-playlist-favorite-songs-of-2017-wrapped/
  17. 17. GENERATION MEETS RECOMMENDATION: Proposing Novel Items for Groups of Users • • item • VAE Encoder Decoder Z item z • item k Z • z Decoder item( feature) https://haroldsoh.files.wordpress.com/2018/10/sohvo_recsys18.pdf
  18. 18. Interpreting User Inaction in Recommender Systems • item MovieLens • 7 ("Would Not Enjoy” “Watched” “Not Noticed” “Not Now” “ Others Better” “Explore Later or Decided To Watch”) •
  19. 19. A Field Study of Related Video Recommendations: Newest, Most Similar, or Most Relevant? • CTR • MovieLens • Judging Similarity: A User-Centric Study of Related Item Recommendations • MovieLens 6 • CF
  20. 20. RecSys2019 https://recsys.acm.org/recsys19/ :2019 9/16-20 : RecSys Challenge 2019 by Trivago
  21. 21. Thank you
  • KenichiTakahashi1

    Jan. 30, 2020
  • KenFujioka3

    Apr. 25, 2019
  • syuichitsuji

    Dec. 29, 2018

AbemaTV レコメンド開発エンジニアによる RecSys 2018 参加レポート

Vues

Nombre de vues

3 721

Sur Slideshare

0

À partir des intégrations

0

Nombre d'intégrations

1 100

Actions

Téléchargements

12

Partages

0

Commentaires

0

Mentions J'aime

3

×