論文の概要: User-Side Realization
- arxiv url: http://arxiv.org/abs/2403.15757v1
- Date: Sat, 23 Mar 2024 08:03:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 21:12:36.463673
- Title: User-Side Realization
- Title(参考訳): ユーザサイドの実現
- Authors: Ryoma Sato,
- Abstract要約: ユーザ側実現は、ユーザの側で共通の問題に対処する汎用アルゴリズムを提供することによって、この問題に対する積極的な解決策を提供する。
これらのアルゴリズムはユーザの側で動作し、サービスプロバイダ自身がサービスを変更することなく問題を解決します。
- 参考スコア(独自算出の注目度): 17.912507269030577
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Users are dissatisfied with services. Since the service is not tailor-made for a user, it is natural for dissatisfaction to arise. The problem is, that even if users are dissatisfied, they often do not have the means to resolve their dissatisfaction. The user cannot alter the source code of the service, nor can they force the service provider to change. The user has no choice but to remain dissatisfied or quit the service. User-side realization offers proactive solutions to this problem by providing general algorithms to deal with common problems on the user's side. These algorithms run on the user's side and solve the problems without having the service provider change the service itself.
- Abstract(参考訳): ユーザーはサービスに満足していない。
サービスはユーザー向けにカスタマイズされていないので、不満が生じるのは当然です。
問題は、ユーザーが満足していないとしても、不満を解決する手段がないことだ。
ユーザはサービスのソースコードを変更することはできないし、サービスプロバイダに変更を強制することもできない。
ユーザーは不満を抱いたままにするか、サービスを辞めるしかない。
ユーザ側実現は、ユーザの側で共通の問題に対処する汎用アルゴリズムを提供することによって、この問題に対する積極的な解決策を提供する。
これらのアルゴリズムはユーザの側で動作し、サービスプロバイダ自身がサービスを変更することなく問題を解決します。
関連論文リスト
- User Strategization and Trustworthy Algorithms [81.82279667028423]
ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。
そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
論文 参考訳(メタデータ) (2023-12-29T16:09:42Z) - Initializing Services in Interactive ML Systems for Diverse Users [29.445931639366325]
異種データ分布を持つ複数のサブポピュレーションにまたがるユーザから対話的に学習するMLシステムについて検討する。
そこで本稿では,サービスセットを初期化しながら,ごく少数のユーザの好みデータ収集を適応的に行うランダム化アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-19T04:26:12Z) - User Attitudes to Content Moderation in Web Search [49.1574468325115]
我々は、Web検索における誤解を招く可能性のあるコンテンツや攻撃的なコンテンツに適用される様々なモデレーションプラクティスに対するサポートレベルについて検討する。
最も支持されている実践は、誤解を招く可能性のあるコンテンツや不快なコンテンツについてユーザーに知らせることであり、最も支持されていないものは、検索結果を完全に削除することである。
より保守的なユーザーやウェブ検索結果に対する信頼度が低いユーザーは、ウェブ検索におけるコンテンツモデレーションに反する傾向にある。
論文 参考訳(メタデータ) (2023-10-05T10:57:15Z) - Eliciting User Preferences for Personalized Multi-Objective Decision
Making through Comparative Feedback [76.7007545844273]
目的に対して異なるユーザの好みに対応する多目的意思決定フレームワークを提案する。
我々のモデルは、ベクトル値の報酬関数を持つマルコフ決定プロセスで構成され、各ユーザが未知の選好ベクトルを持つ。
少数の比較クエリを用いて,ユーザに対してほぼ最適なポリシを求めるアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-02-07T23:58:19Z) - Can you recommend content to creatives instead of final consumers? A
RecSys based on user's preferred visual styles [69.69160476215895]
このレポートは、ACM RecSys '22で発表された論文"Learning Users' Preferred Visual Styles in an Image Marketplace"の拡張である。
ユーザが作業するプロジェクトのセマンティクスに対して視覚スタイルの好みを学習するRecSysを設計する。
論文 参考訳(メタデータ) (2022-08-23T12:11:28Z) - The Challenge of Understanding What Users Want: Inconsistent Preferences
and Engagement Optimization [2.690930520747925]
我々は、ユーザーが不整合な嗜好を持つメディア消費のモデルを開発する。
本稿では,ユーザの嗜好不整合モデルが日常体験に慣れ親しんだ現象をいかに生み出すかを示す。
論文 参考訳(メタデータ) (2022-02-23T20:45:31Z) - Contextual Bandit Applications in Customer Support Bot [8.339868677201062]
文脈的包帯のような適応型学習技術は、この問題設定に自然に適合する。
本稿では,Microsoft仮想エージェントのコンテキスト帯の現実的実装について論じる。
その結果,問題解決率の12%以上の相対的な増加と,操作者に対するエスカレーションの4%以上の相対的な減少が得られた。
論文 参考訳(メタデータ) (2021-12-06T18:07:34Z) - Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。
本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
論文 参考訳(メタデータ) (2021-11-01T19:49:35Z) - User Intention Recognition and Requirement Elicitation Method for
Conversational AI Services [7.941589241861105]
私たちは、できるだけ少数のラウンドで、ユーザー要求を正確に取得することを目指しています。
ファジィ要件推論のための知識グラフ(KG)に基づくユーザ意図認識手法を開発した。
ダイアログポリシ生成のために,グラニュラーコンピューティングに基づく要件抽出手法を提案した。
論文 参考訳(メタデータ) (2020-09-03T08:26:39Z) - Unsupervised Model Personalization while Preserving Privacy and
Scalability: An Open Problem [55.21502268698577]
本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。
この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。
このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
論文 参考訳(メタデータ) (2020-03-30T09:35:12Z) - Monitoring Misuse for Accountable 'Artificial Intelligence as a Service' [6.562256987706127]
本稿では,AIプロバイダがユーザによるサービス誤用の可能性を明らかにするコンセプトを紹介し,検討する。
我々は、調査を保証できる状況を示す技術的利用パターンを検討し、誤用を監視するための法的および技術的な課題をいくつか提起する。
論文 参考訳(メタデータ) (2020-01-14T18:14:33Z)
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。