論文の概要: Simulation as Experiment: An Empirical Critique of Simulation Research
on Recommender Systems
- arxiv url: http://arxiv.org/abs/2107.14333v1
- Date: Thu, 29 Jul 2021 21:05:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-20 11:13:37.816801
- Title: Simulation as Experiment: An Empirical Critique of Simulation Research
on Recommender Systems
- Title(参考訳): 実験としてのシミュレーション:レコメンダシステムに関するシミュレーション研究の実証的批判
- Authors: Amy A. Winecoff, Matthew Sun, Eli Lucherini, Arvind Narayanan
- Abstract要約: 我々は、レコメンダシステム(RS)の進化に関するシミュレーション研究は、概念的には経験的な実験的アプローチと似ていると論じる。
経験的な分野に共通する標準やプラクティスを採用することで、シミュレーション研究者はこれらの弱点の多くを軽減することができる。
- 参考スコア(独自算出の注目度): 4.006331916849688
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simulation can enable the study of recommender system (RS) evolution while
circumventing many of the issues of empirical longitudinal studies; simulations
are comparatively easier to implement, are highly controlled, and pose no
ethical risk to human participants. How simulation can best contribute to
scientific insight about RS alongside qualitative and quantitative empirical
approaches is an open question. Philosophers and researchers have long debated
the epistemological nature of simulation compared to wholly theoretical or
empirical methods. Simulation is often implicitly or explicitly conceptualized
as occupying a middle ground between empirical and theoretical approaches,
allowing researchers to realize the benefits of both. However, what is often
ignored in such arguments is that without firm grounding in any single
methodological tradition, simulation studies have no agreed upon scientific
norms or standards, resulting in a patchwork of theoretical motivations,
approaches, and implementations that are difficult to reconcile. In this
position paper, we argue that simulation studies of RS are conceptually similar
to empirical experimental approaches and therefore can be evaluated using the
standards of empirical research methods. Using this empirical lens, we argue
that the combination of high heterogeneity in approaches and low transparency
in methods in simulation studies of RS has limited their interpretability,
generalizability, and replicability. We contend that by adopting standards and
practices common in empirical disciplines, simulation researchers can mitigate
many of these weaknesses.
- Abstract(参考訳): シミュレーションは、経験的縦断研究の多くの問題を回避しながら、レコメンダシステム(rs)の進化の研究を可能にする。
シミュレーションは、質的かつ定量的な経験的アプローチとともに、rsの科学的洞察に最も寄与する。
哲学者や研究者は、完全に理論的あるいは経験的手法と比較して、シミュレーションの認識論的性質について長い間議論してきた。
シミュレーションはしばしば暗黙的あるいは明示的に概念化され、経験的アプローチと理論的アプローチの中間の領域を占有し、研究者が両方の利点を実現できる。
しかし、そのような議論でしばしば無視されるのは、単一の方法論的伝統に固執しなければ、シミュレーション研究は科学的規範や標準に同意せず、理論的な動機付け、アプローチ、実装のパッチワークによって和解が難しいことである。
本稿では,RSのシミュレーション研究は経験的実験手法と概念的に類似しており,実証的研究手法の標準を用いて評価することができると論じる。
この経験レンズを用いて、RSのシミュレーション研究におけるアプローチにおける高い不均一性と低い透過性の組み合わせは、その解釈可能性、一般化可能性、複製性に制限を与えていると論じる。
我々は、経験的分野に共通する標準とプラクティスを採用することで、シミュレーション研究者はこれらの弱点の多くを軽減できると主張する。
関連論文リスト
- Sophisticated Behavioral Simulation: A Possible Solution to Problems of
Organized Complexity [15.401047019091553]
本稿では,科学的パラダイムと問題の分析に基づくシミュレーション技術の有効性と嗜好について検討する。
本稿では,行動シミュレーション(BS)の概念と,さらに洗練された行動シミュレーション(SBS)を提案する。
社会科学の科学研究分野におけるより強力なBSとSBSの応用を楽しみにしています。
論文 参考訳(メタデータ) (2024-01-18T10:05:52Z) - Endogenous Macrodynamics in Algorithmic Recourse [52.87956177581998]
対実説明(CE)とアルゴリズム・リコース(AR)に関する既存の研究は、静的環境における個人に主に焦点を当ててきた。
既存の方法論の多くは、一般化されたフレームワークによってまとめて記述できることを示す。
次に、既存のフレームワークは、グループレベルでの言論の内在的ダイナミクスを研究する際にのみ明らかとなるような、隠された対外的関係のコストを考慮に入れていないと論じる。
論文 参考訳(メタデータ) (2023-08-16T07:36:58Z) - User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。
実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文 参考訳(メタデータ) (2023-06-05T02:58:35Z) - Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。
シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文 参考訳(メタデータ) (2023-03-03T21:41:01Z) - Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。
まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。
我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文 参考訳(メタデータ) (2022-06-22T19:33:21Z) - Learnability of Competitive Threshold Models [11.005966612053262]
理論的観点から,競合しきい値モデルの学習可能性について検討する。
ニューラルネットワークによって競合しきい値モデルをシームレスにシミュレートする方法を実証する。
論文 参考訳(メタデータ) (2022-05-08T01:11:51Z) - Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。
RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。
この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
論文 参考訳(メタデータ) (2021-12-17T16:28:06Z) - Averting A Crisis In Simulation-Based Inference [9.708640471411625]
本研究では,現在のベイズシミュレーションに基づく推論アルゴリズムが,科学的探究のファルシフィズム手法に不十分であることを示す。
我々は現在,保守的近似推論アルゴリズムの理論的・方法論的発展を考察すべきであると主張している。
論文 参考訳(メタデータ) (2021-10-13T08:50:05Z) - T-RECS: A Simulation Tool to Study the Societal Impact of Recommender
Systems [5.592114738742928]
我々は、研究者がレコメンデーションシステムをシミュレートするために設計されたオープンソースのPythonパッケージであるT-RECSを紹介する。
本稿では,T-RECSの柔軟性を実証するため,従来の2つのシミュレーションに基づく社会工学研究の再現を行った。
論文 参考訳(メタデータ) (2021-07-19T15:16:44Z) - Some Remarks on Replicated Simulated Annealing [4.726777092009554]
我々は、いわゆる「複製された模擬焼鈍」アルゴリズムを解析する。
我々は、その収束を保証するための基準を明確にし、それが構成からうまくサンプリングされたときの研究を行う。
論文 参考訳(メタデータ) (2020-09-30T14:33:53Z) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳(メタデータ) (2020-04-14T20:52:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。