Fugu-MT 論文翻訳(概要): Challenges in Implementing a Recommender System for Historical Research in the Humanities

論文の概要: Challenges in Implementing a Recommender System for Historical Research in the Humanities

arxiv url: http://arxiv.org/abs/2410.20909v1
Date: Mon, 28 Oct 2024 10:39:08 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-10 11:30:33.960239
Title: Challenges in Implementing a Recommender System for Historical Research in the Humanities
Title（参考訳）: 人文科学史研究のためのレコメンダシステム導入の課題
Authors: Florian Atzenhofer-Baumgartner, Bernhard C. Geiger, Christoph Trattner, Georg Vogeler, Dominik Kowald,
Abstract要約: この拡張抽象化は、人文科学におけるデジタルアーカイブのためのレコメンデーターシステムを実装する際の課題を、Monasterium.netに焦点をあてたものである。 i) 推薦項目としてのいわゆる憲章の特徴,(ii) 複雑なマルチステークホルダ環境,(iii) 人文科学における学者の独特な情報探索行動,の3点について論じる。
参考スコア（独自算出の注目度）: 8.61578278259326
License:
Abstract: This extended abstract describes the challenges in implementing recommender systems for digital archives in the humanities, focusing on Monasterium.net, a platform for historical legal documents. We discuss three key aspects: (i) the unique characteristics of so-called charters as items for recommendation, (ii) the complex multi-stakeholder environment, and (iii) the distinct information-seeking behavior of scholars in the humanities. By examining these factors, we aim to contribute to the development of more effective and tailored recommender systems for (digital) humanities research.
Abstract（参考訳）: この拡張要約は、歴史的法的文書のプラットフォームであるMonasterium.netに焦点をあて、人文科学におけるデジタルアーカイブのレコメンデーターシステムを実装する際の課題について記述している。 3つの重要な側面について論じる。一推薦事項としてのいわゆる勅許の特色 (二)複合マルチステークホルダー環境、及び (三)人文科学における学者の独特な情報探索行動これらの要因を調べることにより、デジタル人文科学研究のためのより効果的で調整されたレコメンデーターシステムの開発に貢献することを目指している。

関連論文リスト

Generative Large Recommendation Models: Emerging Trends in LLMs for Recommendation [85.52251362906418]
このチュートリアルでは、大規模言語モデル(LLM)を統合するための2つの主要なアプローチを探求する。これは、最近の進歩、課題、潜在的研究の方向性を含む、生成的な大規模なレコメンデーションモデルの包括的な概要を提供する。主なトピックは、データ品質、スケーリング法則、ユーザの行動マイニング、トレーニングと推論の効率性である。
論文参考訳（メタデータ） (2025-02-19T14:48:25Z)
A Survey on Recommendation Unlearning: Fundamentals, Taxonomy, Evaluation, and Open Questions [16.00188808166725]
推薦システムは、ユーザの行動と意思決定を形作ることに、ますます影響力を増している。レコメンデータシステムにおける機械学習モデルの普及は、ユーザのプライバシとセキュリティに関する重要な懸念を引き起こしている。従来の機械学習手法は、協調的な相互作用やモデルパラメータによって引き起こされるユニークな課題のために、アンラーニングを推奨するのに不適である。
論文参考訳（メタデータ） (2024-12-17T11:58:55Z)
The 1st Workshop on Human-Centered Recommender Systems [27.23807230278776]
このワークショップは、研究者が人間中心のレコメンダシステムを開発するためのプラットフォームを提供することを目的としている。 HCRSは、設計と運用の中心にある人間の要求、価値観、能力を優先するレコメンデーターシステムを作成することを指す。このワークショップには、堅牢性、プライバシー、透明性、公正性、多様性、説明責任、倫理的考慮事項、ユーザフレンドリーなデザインなど、トピックスを含めるが制限されない。
論文参考訳（メタデータ） (2024-11-22T06:46:41Z)
Value Identification in Multistakeholder Recommender Systems for Humanities and Historical Research: The Case of the Digital Archive Monasterium.net [9.24340769982606]
本稿では、Monasterium.netのレコメンデーションによって影響を受ける可能性のある、複数の利害関係者の初歩的な価値識別を提供する。筆者らは,編集者,アグリゲータ,プラットフォーム所有者,研究者,出版社,資金調達機関など,利害関係者のさまざまな価値と目的について論じる。
論文参考訳（メタデータ） (2024-09-26T12:07:46Z)
All Roads Lead to Rome: Unveiling the Trajectory of Recommender Systems Across the LLM Era [63.649070507815715]
我々は、リコメンデータシステムをより広い視野に統合し、将来の研究のためのより包括的なソリューションの道を開くことを目指しています。我々は、リストワイズレコメンデーションと会話レコメンデーションを通じて、現代のレコメンデーションシステムの2つの進化経路を特定する。本稿では,ユーザの獲得コストを削減しつつ,推薦情報の有効性を高めることを指摘する。
論文参考訳（メタデータ） (2024-07-14T05:02:21Z)
Recognizing Identities From Human Skeletons: A Survey on 3D Skeleton Based Person Re-Identification [60.939250172443586]
3Dスケルトンによる人物の再同定は、パターン認識コミュニティ内で注目を集める重要な研究分野である。近年のSRID進歩の総合的なレビューと分析を行っている。様々なベンチマークやプロトコルを用いて、最先端のSRID手法の徹底的な評価を行い、その有効性と効率性を比較した。
論文参考訳（メタデータ） (2024-01-27T04:52:24Z)
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)
Recent Advances in Heterogeneous Relation Learning for Recommendation [5.390295867837705]
異種関係学習に焦点を当てたレコメンデーションフレームワークの開発について概説する。このタスクの目的は、不均一な関係データを潜在表現空間にマッピングすることである。本稿では,行列分解,注意機構,グラフニューラルネットワークなど,各カテゴリの学習手法について論じる。
論文参考訳（メタデータ） (2021-10-07T13:32:04Z)
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)
Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective [69.44384540002358]
この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。 2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
論文参考訳（メタデータ） (2021-04-23T11:07:07Z)
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。