論文の概要: Facilitating Interdisciplinary Knowledge Transfer with Research Paper Recommender Systems

• arxiv url: http://arxiv.org/abs/2309.14984v2
• Date: Tue, 05 Nov 2024 12:09:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-09 19:50:50.121958
• Title: Facilitating Interdisciplinary Knowledge Transfer with Research Paper Recommender Systems
• Title（参考訳）: 研究論文レコメンダシステムによる学際的知識伝達の促進
• Authors: Eoghan Cunningham, Derek Greene, Barry Smyth,
• Abstract要約: 我々は、科学者に新しく多様な研究論文レコメンデーションを提供することの重要性を論じる。 このアプローチは、サイロ化読解を減らし、フィルターバブルを分解し、学際的な研究を促進することを目的としている。
• 参考スコア（独自算出の注目度）: 7.994912533454301
• License:
• Abstract: In the extensive recommender systems literature, novelty and diversity have been identified as key properties of useful recommendations. However, these properties have received limited attention in the specific sub-field of research paper recommender systems. In this work, we argue for the importance of offering novel and diverse research paper recommendations to scientists. This approach aims to reduce siloed reading, break down filter bubbles, and promote interdisciplinary research. We propose a novel framework for evaluating the novelty and diversity of research paper recommendations that leverages methods from network analysis and natural language processing. Using this framework, we show that the choice of representational method within a larger research paper recommendation system can have a measurable impact on the nature of downstream recommendations, specifically on their novelty and diversity. We highlight a novel paper embedding method, which we demonstrate offers more innovative and diverse recommendations without sacrificing precision, compared to other state-of-the-art baselines.
• Abstract（参考訳）: 広範なレコメンデーションシステム文学において、新規性と多様性は有用なレコメンデーションの重要な特性として認識されている。 しかし、これらの特性は研究論文レコメンデーションシステムの特定のサブフィールドにおいて限定的に注目されている。 本研究は,科学者に新鮮で多様な研究論文レコメンデーションを提供することの重要性を論じるものである。 このアプローチは、サイロ化読解を減らし、フィルターバブルを分解し、学際的な研究を促進することを目的としている。 本稿では,ネットワーク分析と自然言語処理の手法を活用した論文推薦の新規性と多様性を評価する新しい枠組みを提案する。 この枠組みを用いて,大規模研究論文推薦システムにおける表現方法の選択が,下流レコメンデーションの性質,特に新鮮さと多様性に与える影響を計測できることを示した。 本稿では,他の最先端のベースラインと比較して,精度を犠牲にすることなく,より革新的で多様なレコメンデーションを提供することを実証する。

関連論文リスト

• 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)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• A Survey on Large Language Models for Recommendation [77.91673633328148]
  大規模言語モデル(LLM)は自然言語処理(NLP)の分野で強力なツールとして登場した。 本調査では,これらのモデルを2つの主要なパラダイム(DLLM4Rec)とジェネレーティブLSM4Rec(GLLM4Rec)に分類する。
  論文  参考訳（メタデータ） (2023-05-31T13:51:26Z)
• Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
  本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。 提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
  論文  参考訳（メタデータ） (2022-09-08T09:13:07Z)
• Towards Explainable Scientific Venue Recommendations [0.09668407688201358]
  本稿では,この領域における最先端の手法を提案する。 まず,非負行列分解に基づくトピックモデルを用いて,推薦の解釈可能性を高める。 第二に、より単純な学習方法を用いて、驚くほど競争力のあるレコメンデーション性能を得ることができる。
  論文  参考訳（メタデータ） (2021-09-21T10:25:26Z)
• Operationalizing Framing to Support Multiperspective Recommendations of Opinion Pieces [1.3286165491120467]
  コミュニケーション科学から取り入れたフレーミングの概念を運用する。 この概念をトピック関連推奨リストの再ランク付けに適用する。 オフライン評価の結果,提案手法はレコメンデーションリストの視点の多様性を高めることができることが示された。
  論文  参考訳（メタデータ） (2021-01-15T14:40:34Z)
• Research Progress of News Recommendation Methods [12.629405428751719]
  ニュースレコメンデーションシステムは、レコメンデーションシステムに関する最初期の研究分野であった。 2018年から2020年にかけて、開発されたニュースレコメンデーション方法は、主にディープラーニングベースの、注意ベースの、知識グラフベースのものだった。
  論文  参考訳（メタデータ） (2020-12-04T01:47:24Z)
• Recommender Systems for the Internet of Things: A Survey [53.865011795953706]
  勧告は、モノのインターネット(Internet of Things)の利益を開発し、促進する上で重要な段階である。 従来のレコメンデータシステムは、成長を続ける、動的で、異質なIoTデータを活用することができません。
  論文  参考訳（メタデータ） (2020-07-14T01:24:44Z)
• A Prescription of Methodological Guidelines for Comparing Bio-inspired Optimization Algorithms [15.803264424018488]
  本稿では,新しいバイオインスパイアされたアルゴリズムの提案を成功させるための方法論的ガイドラインを提案する。 著者らが報告した結果は、過去の結果よりも大幅に進歩することが証明されるべきである。 我々は、これらのガイドラインが著者だけでなく、レビュアーや編集者にも有用であると期待している。
  論文  参考訳（メタデータ） (2020-04-19T04:46:45Z)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)

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。