論文の概要: Enhancing Tourism Recommender Systems for Sustainable City Trips Using Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2409.18003v1
• Date: Thu, 26 Sep 2024 16:12:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 14:58:07.604544
• Title: Enhancing Tourism Recommender Systems for Sustainable City Trips Using Retrieval-Augmented Generation
• Title（参考訳）: 検索・拡張世代を用いた持続可能な都市トリプのための観光レコメンダシステムの構築
• Authors: Ashmi Banerjee, Adithi Satish, Wolfgang Wörndl,
• Abstract要約: 本稿では,大規模言語モデルと改良型検索拡張パイプラインを用いて,持続可能な都市旅行を実現するための新しいアプローチを提案する。 我々は,都市の人気度と季節的需要に基づいて,サステナビリティ指標を組み込むことで,従来のRAGシステムを強化した。 Sustainability Augmented Re rank (SAR)と呼ばれるこの修正は、システムの推奨事項と持続可能性の目標との整合性を保証する。
• 参考スコア（独自算出の注目度）: 0.6554326244334868
• License:
• Abstract: Tourism Recommender Systems (TRS) have traditionally focused on providing personalized travel suggestions, often prioritizing user preferences without considering broader sustainability goals. Integrating sustainability into TRS has become essential with the increasing need to balance environmental impact, local community interests, and visitor satisfaction. This paper proposes a novel approach to enhancing TRS for sustainable city trips using Large Language Models (LLMs) and a modified Retrieval-Augmented Generation (RAG) pipeline. We enhance the traditional RAG system by incorporating a sustainability metric based on a city's popularity and seasonal demand during the prompt augmentation phase. This modification, called Sustainability Augmented Reranking (SAR), ensures the system's recommendations align with sustainability goals. Evaluations using popular open-source LLMs, such as Llama-3.1-Instruct-8B and Mistral-Instruct-7B, demonstrate that the SAR-enhanced approach consistently matches or outperforms the baseline (without SAR) across most metrics, highlighting the benefits of incorporating sustainability into TRS.
• Abstract（参考訳）: 観光レコメンダシステム(TRS)は伝統的に、パーソナライズされた旅行提案を提供することに重点を置いてきた。 TRSへの持続可能性の統合は、環境影響、地域社会の関心、訪問者の満足感のバランスをとる必要性が高まるにつれて重要になっている。 本稿では,Large Language Models (LLMs) と改良型Retrieval-Augmented Generation (RAG) パイプラインを用いた,持続可能な都市旅行のためのTRS向上手法を提案する。 我々は,都市の人気度と季節的需要に基づいて,サステナビリティ指標を組み込むことで,従来のRAGシステムを強化した。 Sustainability Augmented Re rank (SAR)と呼ばれるこの修正は、システムの推奨事項と持続可能性の目標との整合性を保証する。 Llama-3.1-Instruct-8B や Mistral-Instruct-7B など、人気のあるオープンソース LLM を用いた評価では、SAR によるアプローチは、ほとんどの指標において(SAR なしで)ベースラインと一貫して一致または優れており、サステナビリティを TRS に組み込むことの利点を強調している。

関連論文リスト

• Large Language Model Empowered Embedding Generator for Sequential Recommendation [57.49045064294086]
  大言語モデル(LLM)は、その人気に関係なく、項目間の意味的関係を理解する能力を持つ。 LLMEmbは、LCMを利用してアイテム埋め込みを作成し、シークエンシャル・レコメンダ・システムの性能を高める革新的な技術である。
  論文  参考訳（メタデータ） (2024-09-30T03:59:06Z)
• Unleash LLMs Potential for Recommendation by Coordinating Twin-Tower Dynamic Semantic Token Generator [60.07198935747619]
  動的セマンティック・インデックス・パラダイムを採用した最初の生成型RSであるTTDS(Twin-Tower Dynamic Semantic Recommender)を提案する。 より具体的には、ツイン・トワー・セマンティック・トークン・ジェネレータをLLMベースのレコメンデータに統合する動的知識融合フレームワークを初めて提案する。 提案したTTDSレコメンデータは,平均19.41%のヒットレート,20.84%のNDCG測定値を実現している。
  論文  参考訳（メタデータ） (2024-09-14T01:45:04Z)
• 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)
• sustain.AI: a Recommender System to analyze Sustainability Reports [0.2479153065703935]
  sustainAIは、監査人や金融投資家を支援するインテリジェントでコンテキスト対応のレコメンデーションシステムである。 我々は,ドイツの新しいサステナビリティレポートデータセットを2つ評価し,高いレコメンデーション性能を継続的に達成した。
  論文  参考訳（メタデータ） (2023-05-15T15:16:19Z)
• Towards More Efficient Shared Autonomous Mobility: A Learning-Based Fleet Repositioning Approach [0.0]
  本稿では,SAMSフリートをマルコフ決定プロセスとして定式化し,ISR(Integrated System-Adnt Repositioning)と呼ばれる強化学習型再配置(RLR)アプローチを提案する。 ISRは、需要予測を明示せずに、需要パターンの進化に対応することを学び、最適化に基づく乗客と車両の割り当てに協力する。 その結果, RLR アプローチは JO アプローチと比較して, 乗客待ち時間を大幅に削減し, 50% 以上を達成できた。
  論文  参考訳（メタデータ） (2022-10-16T23:30:46Z)
• Effect and Analysis of Large-scale Language Model Rescoring on Competitive ASR Systems [30.873546090458678]
  大規模言語モデル (LLM) は ASR N-best Rescoring に適用されている。 本研究では,LLM再構成を最も競争力のあるASRベースラインである Conformer-Transducer モデルに組み込む。
  論文  参考訳（メタデータ） (2022-04-01T05:20:55Z)
• Choosing the Best of Both Worlds: Diverse and Novel Recommendations through Multi-Objective Reinforcement Learning [68.45370492516531]
  本稿では,Recommender Systems (RS) 設定のための拡張多目的強化学習(SMORL)を紹介する。 SMORLエージェントは、標準レコメンデーションモデルを拡張し、RLレイヤーを追加し、3つの主要な目的(正確性、多様性、新しいレコメンデーション)を同時に満たすように強制する。 実世界の2つのデータセットに対する実験結果から,集約的多様性の顕著な増加,精度の適度な向上,レコメンデーションの反復性の低下,および相補的目的としての多様性と新規性の強化の重要性が示された。
  論文  参考訳（メタデータ） (2021-10-28T13:22:45Z)
• Reward Constrained Interactive Recommendation with Natural Language Feedback [158.8095688415973]
  制約強化強化学習(RL)フレームワークを提案する。 具体的には,ユーザの過去の嗜好に反するレコメンデーションを検出するために,識別器を利用する。 提案するフレームワークは汎用的であり,制約付きテキスト生成のタスクにさらに拡張されている。
  論文  参考訳（メタデータ） (2020-05-04T16:23:34Z)
• Seasonal and Trend Forecasting of Tourist Arrivals: An Adaptive Multiscale Ensemble Learning Approach [2.552090781387889]
  本稿では,観光客の季節・トレンド予測のための適応型マルチスケール・アンサンブル(AME)学習手法を提案する。 提案手法は,本研究で用いた他のベンチマークと比較して,高いレベルの予測精度と方向性予測精度を実現することができる。
  論文  参考訳（メタデータ） (2020-02-19T06:32:01Z)
• 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。