How Intention Informed Recommendations Modulate Choices: A Field Study of Spoken Word Content
How Intention Informed Recommendations Modulate Choices: A Field Study of Spoken Word Content
复制标题
意图告知的建议如何调节选择：口语内容的实地研究
DOI：
10.1145/3308558.3313540
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Estrin, Deborah
中科院分区：
文献类型：
--
作者：
Yang, Longqi;Sobolev, Michael;Wang, Yu;Chen, Jenny;Dunne, Drew;Tsangouri, Christina;Dell, Nicola;Naaman, Mor;Estrin, Deborah
人们的内容选择理想地是由他们的意图、愿望和计划驱动的。然而，实际上，选择可能会受到推荐系统的调节，推荐系统通常经过训练以推广流行商品并强化用户的历史行为。结果，内容消费的效用和用户体验可能受到隐式且不期望的影响。为了研究这个问题，我们进行了 2 × 2 随机对照现场实验（105 名城市大学生），以比较意图知情推荐与经典意图不可知系统的效果。这项研究是在口语网络内容（播客）的背景下进行的，这些内容通常通过订阅网站或应用程序消费。我们修改了一个商业播客应用程序，以包含 (1) 考虑用户在入门时表达的意图的推荐器，以及 (2) 在日常使用期间的协作过滤 (CF) 推荐器。我们的研究表明：(1) 意图感知推荐可以显着提高用户与与预期主题相关的频道和剧集的互动（订阅和收听）超过 24%，即使这样的推荐器仅在引导期间使用，并且 (2) 基于 CF 的推荐器使用户对来自未订阅频道的剧集的探索加倍，并提高了使用意图感知推荐器的用户满意度。
People's content choices are ideally driven by their intentions, aspirations, and plans. However, in reality, choices may be modulated by recommendation systems which are typically trained to promote popular items and to reinforce users' historical behavior. As a result, the utility and user experience of content consumption can be affected implicitly and undesirably. To study this problem, we conducted a 2 × 2 randomized controlled field experiment (105 urban college students) to compare the effects of intention informed recommendations with classical intention agnostic systems. The study was conducted in the context of spoken word web content (podcasts) which is often consumed through subscription sites or apps. We modified a commercial podcast app to include (1) a recommender that takes into account users' stated intentions at onboarding, and (2) a Collaborative Filtering (CF) recommender during daily use. Our study suggests that: (1) intention-aware recommendations can significantly raise users' interactions (subscriptions and listening) with channels and episodes related to intended topics by over 24%, even if such a recommender is only used during onboarding, and (2) the CF-based recommender doubles users' explorations on episodes from not-subscribed channels and improves satisfaction for users onboarded with the intention-aware recommender.
登录
查看更多内容
Podcastle：基于群体智慧的声学模型协作训练，用于播客转录
DOI：
--
发表时间：
2009
期刊：
Interspeech
影响因子：
--
作者：
J. Ogata;Masataka Goto
通讯作者：
Masataka Goto
DOI：
10.1145/2959100.2959189
发表时间：
2016-09
期刊：
Proceedings of the 10th ACM Conference on Recommender Systems
影响因子：
--
作者：
Bart P. Knijnenburg;S. Sivakumar;Daricia Wilkinson
通讯作者：
Bart P. Knijnenburg;S. Sivakumar;Daricia Wilkinson
影响因子：
3.7
作者：
Berger-Tal O;Nathan J;Meron E;Saltz D
通讯作者：
Saltz D
DOI：
10.1145/3159652.3159681
发表时间：
2018-02
期刊：
Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining
影响因子：
--
作者：
Longqi Yang;Eugene Bagdasaryan;Joshua Gruenstein;C. Hsieh;D. Estrin
通讯作者：
Longqi Yang;Eugene Bagdasaryan;Joshua Gruenstein;C. Hsieh;D. Estrin
PodCastle：通过匿名用户贡献改进的语音文档检索服务的最新进展
DOI：
--
发表时间：
2011
期刊：
Interspeech
影响因子：
--
作者：
Masataka Goto;J. Ogata
通讯作者：
J. Ogata