論文の概要: GreenDB: Toward a Product-by-Product Sustainability Database

• arxiv url: http://arxiv.org/abs/2205.02908v1
• Date: Thu, 5 May 2022 20:24:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 13:58:32.976592
• Title: GreenDB: Toward a Product-by-Product Sustainability Database
• Title（参考訳）: GreenDB: 製品ごとのサステナビリティデータベースを目指して
• Authors: Sebastian J\"ager, Jessica Greene, Max Jakob, Ruben Korenke, Tilman Santarius, Felix Biessmann
• Abstract要約: 現代の小売プラットフォームは、検索とレコメンデーションシステムに機械学習(ML)に大きく依存している。 製品ごとにサステナビリティ情報を統合するオープンでパブリックなデータベースは存在しない。 グリーンDBデータセットを生成するスクラップシステムの概念実装の実証について述べる。
• 参考スコア（独自算出の注目度）: 2.9971739294416717
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The production, shipping, usage, and disposal of consumer goods have a substantial impact on greenhouse gas emissions and the depletion of resources. Modern retail platforms rely heavily on Machine Learning (ML) for their search and recommender systems. Thus, ML can potentially support efforts towards more sustainable consumption patterns, for example, by accounting for sustainability aspects in product search or recommendations. However, leveraging ML potential for reaching sustainability goals requires data on sustainability. Unfortunately, no open and publicly available database integrates sustainability information on a product-by-product basis. In this work, we present the GreenDB, which fills this gap. Based on search logs of millions of users, we prioritize which products users care about most. The GreenDB schema extends the well-known schema.org Product definition and can be readily integrated into existing product catalogs to improve sustainability information available for search and recommendation experiences. We present our proof of concept implementation of a scraping system that creates the GreenDB dataset.
• Abstract（参考訳）: 消費財の生産、出荷、利用、廃棄は温室効果ガスの排出と資源の枯渇に大きな影響を与える。 現代の小売プラットフォームは、検索とレコメンデーションシステムに機械学習(ML)に大きく依存している。 このようにMLは、例えば製品検索やレコメンデーションにおける持続可能性の観点から、より持続可能な消費パターンへの取り組みを支援することができる。 しかし、サステナビリティ目標を達成するためにMLの可能性を活用するには、サステナビリティに関するデータが必要である。 残念ながら、製品ごとにサステナビリティ情報を統合できるデータベースは、公開されていない。 この作業では、このギャップを埋めるGreenDBを紹介します。 何百万というユーザの検索ログに基づいて、ユーザが最も関心を持つプロダクトを優先します。 greendbスキーマは、よく知られたschema.org製品定義を拡張し、既存の製品カタログに簡単に統合でき、検索およびレコメンデーション体験で利用可能なサステナビリティ情報を改善することができる。 本稿では,グリーンDBデータセットを生成するスクラップシステムの概念実証を行う。

関連論文リスト

• Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms [68.51708490104687]
  調査力の低い純粋に関連性の高い政策は、短期的ユーザの満足度を高めるが、コンテンツプールの長期的豊かさを損なうことを示す。 調査の結果,プラットフォーム上でのユーザの即時満足度と全体のコンテンツ生産との間には,根本的なトレードオフがあることが判明した。
  論文  参考訳（メタデータ） (2024-10-31T07:19:22Z)
• DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
  我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。 我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。 私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
  論文  参考訳（メタデータ） (2024-07-01T18:58:22Z)
• System Support for Environmentally Sustainable Computing in Data Centers [4.774769264608661]
  現代のデータセンターは環境維持性のサポートが不十分なため、炭素フットプリントの増大に悩まされている。 予備的な結果を提示し、これをデータセンターにおける環境保全コンピューティングを前進させる大きな可能性を秘めているイニシアチブとして認識する。
  論文  参考訳（メタデータ） (2024-03-19T12:56:02Z)
• Learn to Code Sustainably: An Empirical Study on LLM-based Green Code Generation [7.8273713434806345]
  生成型商用AI言語モデルにより生成された自動生成符号の持続可能性を評価する。 3つのAI言語モデルによって生成された人為的なコードとコードのパフォーマンスとグリーンキャパシティを比較した。
  論文  参考訳（メタデータ） (2024-03-05T22:12:01Z)
• Reliable, Adaptable, and Attributable Language Models with Retrieval [144.26890121729514]
  パラメトリック言語モデル(LM)は大量のWebデータに基づいて訓練されている。 幻覚、新しいデータ分布への適応の困難、妥当性の欠如など、実践的な課題に直面している。 我々は、次世代のLMとしてパラメトリックLMを置き換えるための検索拡張LMを提唱する。
  論文  参考訳（メタデータ） (2024-03-05T18:22:33Z)
• Potentials of Green Coding -- Findings and Recommendations for Industry, Education and Science -- Extended Paper [0.0]
  本研究では,環境保全ソフトウェアの生産に関する3つの研究課題について,既存の文献の収集と提示を行う。 2010年から公開されたGreen Coding and Green Software Engineeringへのアプローチをコンパイルします。 我々は,研究成果を既存の産業プロセスと高等教育カリキュラムに統合し,環境に優しい形で将来の発展に影響を及ぼす方法を検討する。
  論文  参考訳（メタデータ） (2024-02-28T10:48:56Z)
• EASRec: Elastic Architecture Search for Efficient Long-term Sequential Recommender Systems [82.76483989905961]
  現在のSRS(Sequential Recommender Systems)は、計算とリソースの非効率に悩まされている。 我々は、効率的な長期シーケンスレコメンダシステム(EASRec)のための弾性アーキテクチャー探索を開発する。 EASRecは、入力データバッチから履歴情報を活用するデータ認識ゲートを導入し、レコメンデーションネットワークの性能を改善する。
  論文  参考訳（メタデータ） (2024-02-01T07:22:52Z)
• GreenDB -- A Dataset and Benchmark for Extraction of Sustainability Information of Consumer Goods [58.31888171187044]
  毎週、ヨーロッパのオンラインショップから商品を収集するデータベースであるGreenDBを提示する。 製品サステナビリティのプロキシとして、専門家が評価するサステナビリティラベルに依存している。 本稿では,データを用いてトレーニングしたMLモデルを用いて,製品のサステナビリティラベルを確実に予測できることを示す。
  論文  参考訳（メタデータ） (2022-07-21T19:59:42Z)
• Can Machine Learning Tools Support the Identification of Sustainable Design Leads From Product Reviews? Opportunities and Challenges [0.0]
  本稿では,オンライン製品レビューから持続可能なデザインインサイトを自動的に取得する統合型機械学習ソリューションを開発することを目的とする。 既存のフレームワークが提供する機会と課題は、アドホックな機械学習プロセスに沿って議論され、説明され、配置されます。
  論文  参考訳（メタデータ） (2021-12-17T08:53:58Z)
• SustainBench: Benchmarks for Monitoring the Sustainable Development Goals with Machine Learning [63.192289553021816]
  国連持続可能な開発目標の進展は、主要な環境・社会経済指標のデータ不足によって妨げられている。 近年の機械学習の進歩により、衛星やソーシャルメディアなど、豊富な、頻繁に更新され、グローバルに利用可能なデータを活用することが可能になった。 本稿では,7個のSDGにまたがる15個のベンチマークタスクの集合であるSustainBenchを紹介する。
  論文  参考訳（メタデータ） (2021-11-08T18:59:04Z)

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。