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

• Design Principles for Falsifiable, Replicable and Reproducible Empirical ML Research [2.3265565167163906]
  実証的研究は、機械学習領域において基本的な役割を担っている。 本稿では,実証研究の妥当性を維持するためのガイドラインを伴って,実証研究プロセスのモデルを提案する。
  論文  参考訳（メタデータ） (2024-05-28T11:37:59Z)
• LLM and Simulation as Bilevel Optimizers: A New Paradigm to Advance Physical Scientific Discovery [141.39722070734737]
  本稿では,大規模言語モデルの知識駆動型抽象推論能力をシミュレーションの計算力で強化することを提案する。 本稿では,2段階最適化フレームワークであるSGA(Scientific Generative Agent)を紹介する。 法発見と分子設計における枠組みの有効性を実証するための実験を行った。
  論文  参考訳（メタデータ） (2024-05-16T03:04:10Z)
• Large Language Models Need Consultants for Reasoning: Becoming an Expert in a Complex Human System Through Behavior Simulation [5.730580726163518]
  大規模言語モデル(LLM)は、数学、法学、コーディング、常識、世界知識といった分野において、人間に匹敵する優れた能力を示してきた。 本稿では,生成エージェントによるシミュレーション技術を活用した新たな推論フレームワークであるMosaic Expert Observation Wall' (MEOW)を提案する。
  論文  参考訳（メタデータ） (2024-03-27T03:33:32Z)
• A Double Machine Learning Approach to Combining Experimental and Observational Data [59.29868677652324]
  実験と観測を組み合わせた二重機械学習手法を提案する。 我々の枠組みは、より軽度の仮定の下で、外部の妥当性と無知の違反を検査する。
  論文  参考訳（メタデータ） (2023-07-04T02:53:11Z)
• 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)
• 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)
• 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。