論文の概要: RecAgent: A Novel Simulation Paradigm for Recommender Systems

• arxiv url: http://arxiv.org/abs/2306.02552v1
• Date: Mon, 5 Jun 2023 02:58:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-06 17:07:10.564059
• Title: RecAgent: A Novel Simulation Paradigm for Recommender Systems
• Title（参考訳）: RecAgent: Recommenderシステムのための新しいシミュレーションパラダイム
• Authors: Lei Wang and Jingsen Zhang and Xu Chen and Yankai Lin and Ruihua Song and Wayne Xin Zhao and Ji-Rong Wen
• Abstract要約: 本稿では,LLMベースのレコメンデータシミュレータRecAgentを紹介する。 シミュレータは,(1)ユーザモジュール,(2)レコメンダモジュールの2つのモジュールで構成されている。 すべてのユーザがLDMに基づいてアクションを処理し、現実世界と同じように自由に進化することができます。
• 参考スコア（独自算出の注目度）: 85.51805654298289
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommender system has deeply revolutionized people's daily life and production, bringing a large amount of business value. In the recommendation domain, simulation and real data-based studies are two typical research paradigms, with each having different advantages. Previously, real data-based studies occupy more important positions, since accurately simulating the user preference is quite difficult. Recently, large language models (LLM) have shown great potential to achieve human-like intelligence, which provides new opportunities to overcome the shortcomings of simulation-based studies and thus highlight their advantages, such as much more application scenarios and cheaper data acquisition strategies. To shed lights on this direction, in this paper, we introduce an LLM-based recommender simulator called RecAgent. Our simulator is composed of two modules: (1) the user module and (2) the recommender module. The user module can browse the recommendation website, communicate with other users and broadcast messages on the social media. The recommender module is designed to provide search or recommendation lists to the users, and one can design different models to implement the recommender. All the users take actions based on LLMs, and can freely evolve like in the real world. We present several case studies to demonstrate that the users in our simulator can indeed behave in a reasonable manner as expected. Our project has been released at https://github.com/RUC-GSAI/YuLan-Rec.
• Abstract（参考訳）: レコメンダシステムは人々の日常生活と生産に深く革命をもたらし、多くのビジネス価値をもたらしました。 推奨領域では、シミュレーションと実際のデータベースの研究は2つの典型的な研究パラダイムであり、それぞれ異なる利点がある。 これまでは、ユーザの好みを正確にシミュレートすることは極めて難しいため、実際のデータに基づく研究の方が、より重要な位置を占めていた。 近年,大規模言語モデル (LLM) は,シミュレーションに基づく研究の欠点を克服する新たな機会を提供するとともに,アプリケーションシナリオの増大やデータ取得戦略の低さなど,そのメリットを浮き彫りにしている。 そこで本稿では,この方向を照らし出すため,llmベースのレコメンダシミュレータrecagentを提案する。 シミュレータは,(1)ユーザモジュール,(2)レコメンダモジュールという2つのモジュールで構成されている。 ユーザーモジュールはレコメンデーションウェブサイトを閲覧し、他のユーザーと通信し、ソーシャルメディアでメッセージをブロードキャストすることができる。 推奨モジュールは、ユーザに検索またはレコメンデーションリストを提供するように設計されており、推奨モジュールを実装するために異なるモデルを設計することができる。 すべてのユーザーはllmに基づいてアクションを取り、現実世界のように自由に進化することができる。 我々は,シミュレータの利用者が期待どおりに行動できることを実証するために,いくつかのケーススタディを提示する。 私たちのプロジェクトはhttps://github.com/RUC-GSAI/YuLan-Rec.comでリリースされました。

関連論文リスト

• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• USimAgent: Large Language Models for Simulating Search Users [33.17004578463697]
  本稿では,大規模言語モデルに基づくユーザ検索行動シミュレータUSimAgentを紹介する。 シミュレータは、検索中のユーザのクエリ、クリック、動作の停止をシミュレートすることができる。 実ユーザ行動データセットに関する実証調査では、シミュレータがクエリ生成において既存のメソッドよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-03-14T07:40:54Z)
• Human Simulacra: Benchmarking the Personification of Large Language Models [38.21708264569801]
  大規模言語モデル(LLM)は、人間の知性の側面を忠実に模倣するシステムとして認識されている。 本稿では,仮想キャラクタのライフストーリーをゼロから構築するためのフレームワークを提案する。 実験により, 構築したシミュラクラは, 対象キャラクタと一致した擬人化応答を生成できることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:11:14Z)
• BASES: Large-scale Web Search User Simulation with Large Language Model based Agents [108.97507653131917]
  BASESは、大きな言語モデル(LLM)を持つ新しいユーザーシミュレーションフレームワークである。 シミュレーションフレームワークは,大規模に独自のユーザプロファイルを生成することができ,その結果,多様な検索行動が生まれる。 WARRIORSは、中国語と英語の両方のバージョンを含む、Web検索ユーザ行動を含む、新しい大規模なデータセットである。
  論文  参考訳（メタデータ） (2024-02-27T13:44:09Z)
• LLM-driven Imitation of Subrational Behavior : Illusion or Reality? [3.2365468114603937]
  既存の作業は、複雑な推論タスクに対処し、人間のコミュニケーションを模倣する大規模言語モデルの能力を強調している。 そこで本研究では,LLMを用いて人工人体を合成し,サブリレーショナル・エージェント・ポリシーを学習する手法を提案する。 我々は,4つの単純なシナリオを通して,サブリレータリティをモデル化するフレームワークの能力について実験的に評価した。
  論文  参考訳（メタデータ） (2024-02-13T19:46:39Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)
• Exploring the Intersection of Large Language Models and Agent-Based Modeling via Prompt Engineering [0.0]
  大きな言語モデル(LLM)がこのボトルネックの潜在的な解決策として現れている。 本稿では,人間行動の予測可能なプロキシのシミュレーションを2つ提示する。
  論文  参考訳（メタデータ） (2023-08-14T18:58:00Z)
• Learning Human-to-Robot Handovers from Point Clouds [63.18127198174958]
  視覚に基づく人間ロボットハンドオーバの制御ポリシーを学習する最初のフレームワークを提案する。 シミュレーションベンチマーク,sim-to-sim転送,sim-to-real転送において,ベースラインよりも大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-03-30T17:58:36Z)
• 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。