[2F]推薦システム(2)

13:30 〜 13:55

[2F-01] 多様性促進モデルを用いた因果推論・オフライン強化学習によるフィルターバブル抑制

*松元 良磨¹、田原 康之¹、清 雄一¹ (1. 電気通信大学)

発表者区分：学生
論文種別：ロングペーパー
インタラクティブ発表：あり

キーワード：

推薦モデル、フィルターバブル、多様性、オフライン強化学習、因果推論

情報社会において, パーソナライズされた推薦システムは便利なものである. しかし, それによってユーザの考えに合わない情報が表示されなくなり, 自分の考えに孤立してしまう. これをフィルターバブル現象と呼び, これによってユーザの満足度低下や思想の先鋭化が引き起こされている. これに対し, 因果推論とオフライン強化学習を組み合わせフィルターバブルを解消する手法が生み出されたが, ユーザがフィルターバブルに敏感な場合には解消や緩和が難しい. 本研究では, 多様性を促進する数学的モデルを組み合わせることを提案する. 実験では, この手法がユーザの感度が高い場合におけるフィルターバブルを抑制に有効であることが示された.