研究者如何在不运营自有推荐系统的情况下快速且低成本地获取算法用户反馈
信息检索
2022-12-15 v1
摘要
大多数推荐算法基于历史基准数据集进行评估。基于历史基准数据集的评估快速且成本低廉，却排除了实际消费推荐内容的用户的视角。用户反馈很少被收集，因为这需要访问一个可运行的推荐系统。建立并维护一个可运行的推荐系统带来了多数研究者难以承担的时间与财务负担。我们旨在减轻这一负担，以促进推荐算法的广泛以用户为中心的评估，特别是针对该领域的初学者研究者。我们展示了一个正在开发的评估工具的工作进展，该工具实现了一种新颖范式，能够在无需可运行推荐系统的情况下进行以用户为中心的推荐算法评估。最后，我们勾勒了计划借助该评估工具开展的实验。
引用
@article{arxiv.2212.07177,
title = {How Researchers Could Obtain Quick and Cheap User Feedback on their Algorithms Without Having to Operate their Own Recommender System},
author = {Tobias Eichinger and Ananta Lamichhane},
journal= {arXiv preprint arXiv:2212.07177},
year = {2022}
}