論文の概要: Behind Recommender Systems: the Geography of the ACM RecSys Community
- arxiv url: http://arxiv.org/abs/2309.03512v1
- Date: Thu, 7 Sep 2023 06:46:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-08 14:11:04.623376
- Title: Behind Recommender Systems: the Geography of the ACM RecSys Community
- Title(参考訳): recommender systemsの背後にある: acm recsysコミュニティの地理
- Authors: Lorenzo Porcaro, Jo\~ao Vinagre, Pedro Frau, Isabelle Hupont, Emilia
G\'omez
- Abstract要約: 推薦システム研究コミュニティの地理的多様性について考察する。
この研究は、AI - DivinAIプロジェクトにおける多様性の枠組みで実施されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The amount and dissemination rate of media content accessible online is
nowadays overwhelming. Recommender Systems filter this information into
manageable streams or feeds, adapted to our personal needs or preferences. It
is of utter importance that algorithms employed to filter information do not
distort or cut out important elements from our perspectives of the world. Under
this principle, it is essential to involve diverse views and teams from the
earliest stages of their design and development. This has been highlighted, for
instance, in recent European Union regulations such as the Digital Services
Act, via the requirement of risk monitoring, including the risk of
discrimination, and the AI Act, through the requirement to involve people with
diverse backgrounds in the development of AI systems. We look into the
geographic diversity of the recommender systems research community,
specifically by analyzing the affiliation countries of the authors who
contributed to the ACM Conference on Recommender Systems (RecSys) during the
last 15 years. This study has been carried out in the framework of the
Diversity in AI - DivinAI project, whose main objective is the long-term
monitoring of diversity in AI forums through a set of indexes.
- Abstract(参考訳): 現在、オンラインでアクセス可能なメディアコンテンツの量と普及率は圧倒的である。
Recommender Systemsは、これらの情報を管理可能なストリームやフィードにフィルタリングします。
情報フィルタリングに使用されるアルゴリズムが、我々の世界観から重要な要素を歪めたり、取り除いたりすることは、非常に重要である。
この原則の下では、設計と開発の初期段階から多様な見解とチームを巻き込むことが不可欠である。
これは例えば、差別のリスクを含むリスク監視の要件や、aiシステムの開発にさまざまなバックグラウンドを持つ人々を関与させる要件を通じて、最近の欧州連合(eu)のデジタルサービス法(digital services act)のような規制において強調されている。
我々は,推薦システム研究コミュニティの地理的多様性について,特に過去15年間のACMレコメンダシステム会議(RecSys)にコントリビュートした著者の提携国を分析して検討する。
この研究は、aiフォーラムにおける多様性の長期的な監視を指標として、aiの多様性の枠組みであるdivinaiプロジェクトで行われてきた。
関連論文リスト
- A Survey on Context-Aware Multi-Agent Systems: Techniques, Challenges
and Future Directions [1.1458366773578277]
自律型エージェントに対する研究の関心が高まっている。
課題は、これらのエージェントが動的環境における不確実性を学び、推論し、ナビゲートできるようにすることである。
コンテキスト認識は、マルチエージェントシステムの強化において重要な要素として現れる。
論文 参考訳(メタデータ) (2024-02-03T00:27:22Z) - AI for All: Operationalising Diversity and Inclusion Requirements for AI
Systems [4.884533605897174]
この研究は、AIシステムに対するD&I要件の抽出と取得方法に関する研究と実践の欠如に対処することを目的としている。
我々は、D&I要件を捉えるためのカスタマイズされたユーザストーリーテンプレートを提案し、D&I要件を2つのAIシステムで記述する際に、テーマとユーザストーリーテンプレートを使用するためのフォーカスグループ演習を実施した。
論文 参考訳(メタデータ) (2023-11-07T23:15:03Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳(メタデータ) (2023-10-28T06:31:06Z) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳(メタデータ) (2023-07-05T06:03:40Z) - Graph Exploration Matters: Improving both individual-level and
system-level diversity in WeChat Feed Recommender [21.0013026365164]
個人レベルの多様性とシステムレベルの多様性はどちらも産業レコメンデーターシステムにとって重要である。
WeChat AppのTop Storiesで、数億人のユーザが使用するシステムの実装とデプロイを行います。
論文 参考訳(メタデータ) (2023-05-29T19:25:32Z) - Multi-AI Complex Systems in Humanitarian Response [0.0]
比較的単純な現実世界の人道的応答シナリオにおいても、マルチAIシステムがいかにして発生しうるかを説明し、潜在的に創発的で不正な行動を引き起こす。
本論文は、人道的対応の分野におけるこのトピックに関する最初の展示として、意識を高め、このドメインの展望を探究し、より広いコミュニティにおける今後の仕事の出発点を提供するように設計されている。
論文 参考訳(メタデータ) (2022-08-24T03:01:21Z) - A Survey of Recommender System Techniques and the Ecommerce Domain [0.0]
本稿では,e-Commerce,e-tourism,e-resources,e- Government,e-learning,e-libraryにおけるレコメンダシステムのさまざまな技術と展開についてレビューする。
論文 参考訳(メタデータ) (2022-08-15T18:30:22Z) - Fairness in Recommender Systems: Research Landscape and Future
Directions [119.67643184567623]
本稿は,近年の地域におけるフェアネスの概念と概念について概観する。
この分野での研究が現在どのように行われているのかを概観する。
全体として、最近の研究成果の分析は、ある研究のギャップを示している。
論文 参考訳(メタデータ) (2022-05-23T08:34:25Z) - Exploration in two-stage recommender systems [79.50534282841618]
2段階のレコメンデータシステムは、スケーラビリティと保守性のために業界で広く採用されている。
このセットアップの鍵となる課題は、各ステージの最適性能が最適なグローバルパフォーマンスを暗示していないことである。
そこで本研究では,ランクとノミネーター間の探索戦略を同期させる手法を提案する。
論文 参考訳(メタデータ) (2020-09-01T16:52:51Z) - Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。
人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
論文 参考訳(メタデータ) (2020-01-13T12:49:22Z) - Sequential Recommender Systems: Challenges, Progress and Prospects [50.12218578518894]
シーケンシャルレコメンダシステム(SRS)は、シーケンシャルなユーザ行動、ユーザとアイテム間の相互作用、ユーザの好みとアイテムの人気の時間的変化を理解し、モデル化しようとする。
まず, SRSの特徴を概説し, 研究領域における課題をまとめ, 分類し, そして, 最新の研究成果と代表的研究成果から, 対応する研究の進展を概説する。
論文 参考訳(メタデータ) (2019-12-28T05:12:28Z)
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。