論文の概要: Advancing Sustainability via Recommender Systems: A Survey

• arxiv url: http://arxiv.org/abs/2411.07658v1
• Date: Tue, 12 Nov 2024 09:19:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:18:51.754207
• Title: Advancing Sustainability via Recommender Systems: A Survey
• Title（参考訳）: Recommenderシステムによるサステナビリティ向上に関する調査
• Authors: Xin Zhou, Lei Zhang, Honglei Zhang, Yixin Zhang, Xiaoxiong Zhang, Jie Zhang, Zhiqi Shen,
• Abstract要約: ヒトの行動パターンと消費パラダイムは、環境劣化と気候変動において重要な決定要因として現れてきた。 持続可能性原則を取り入れて、環境意識と社会的に責任のある選択を育む、持続可能なレコメンデーターシステムの必要性が不可欠である。 本研究は, 持続可能なレコメンデーションシステムの体系的分析によって, この重要な研究ギャップに対処するものである。
• 参考スコア（独自算出の注目度）: 23.364932316026973
• License:
• Abstract: Human behavioral patterns and consumption paradigms have emerged as pivotal determinants in environmental degradation and climate change, with quotidian decisions pertaining to transportation, energy utilization, and resource consumption collectively precipitating substantial ecological impacts. Recommender systems, which generate personalized suggestions based on user preferences and historical interaction data, exert considerable influence on individual behavioral trajectories. However, conventional recommender systems predominantly optimize for user engagement and economic metrics, inadvertently neglecting the environmental and societal ramifications of their recommendations, potentially catalyzing over-consumption and reinforcing unsustainable behavioral patterns. Given their instrumental role in shaping user decisions, there exists an imperative need for sustainable recommender systems that incorporate sustainability principles to foster eco-conscious and socially responsible choices. This comprehensive survey addresses this critical research gap by presenting a systematic analysis of sustainable recommender systems. As these systems can simultaneously advance multiple sustainability objectives--including resource conservation, sustainable consumer behavior, and social impact enhancement--examining their implementations across distinct application domains provides a more rigorous analytical framework. Through a methodological analysis of domain-specific implementations encompassing transportation, food, buildings, and auxiliary sectors, we can better elucidate how these systems holistically advance sustainability objectives while addressing sector-specific constraints and opportunities. Moreover, we delineate future research directions for evolving recommender systems beyond sustainability advocacy toward fostering environmental resilience and social consciousness in society.
• Abstract（参考訳）: ヒトの行動パターンと消費パラダイムは、輸送、エネルギー利用、資源消費に関するクオリディアンな決定によって、環境劣化と気候変動において重要な決定要因となっている。 ユーザの好みや過去のインタラクションデータに基づいてパーソナライズされた提案を生成するレコメンダシステムは,個々の行動軌跡に大きな影響を与える。 しかし、従来のレコメンデータシステムは、主にユーザのエンゲージメントと経済指標を最適化し、そのレコメンデーションの環境や社会的影響を不注意に無視し、過剰消費を助長し、持続不可能な行動パターンを補強する可能性がある。 ユーザー決定を形作る上での彼らの道具的役割を考えると、持続可能性原則を取り入れた持続的なレコメンデーターシステムは、エコ意識と社会的に責任のある選択を育むために必要不可欠である。 本研究は, 持続可能なレコメンデーションシステムの体系的分析によって, この重要な研究ギャップに対処するものである。 これらのシステムは、資源保存、持続可能な消費者行動、社会的影響の強化を含む複数の持続可能性目標を同時に進めることができる。 輸送、食料、建物、補助部門を含むドメイン固有の実装の方法論分析を通じて、これらのシステムがセクター固有の制約や機会に対処しながら、持続可能性目標を全体的にどのように進めるかをよりよく解明することができる。 さらに, 社会における環境の弾力性と社会意識の育成に向けた持続可能性擁護を超えて, 推薦制度を進化させるための今後の研究方針を述べる。

関連論文リスト

• A survey on the impact of AI-based recommenders on human behaviours: methodologies, outcomes and future directions [3.802956917145726]
  この調査は、人間とAIの4つのエコシステムにおけるレコメンデーターの影響を分析した。 ソーシャルメディア、オンライン小売、都市マッピング、ジェネレーティブAIエコシステムの研究が行われている。
  論文  参考訳（メタデータ） (2024-06-29T14:34:32Z)
• Literature Review of Current Sustainability Assessment Frameworks and Approaches for Organizations [10.045497511868172]
  本稿では,サステナビリティ・アセスメント・フレームワーク(SAF)を多種多様な産業に展開する。 本稿では,サステナビリティ・インジケータ(SI)の選択方法,相対的重要性評価,相互依存分析など,SAF設計のアプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2024-03-07T18:14:52Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• Modeling Recommender Ecosystems: Research Challenges at the Intersection of Mechanism Design, Reinforcement Learning and Generative Models [17.546954143602818]
  システム内のすべてのアクターのインセンティブと行動のモデリングは、システムがこれらのアクターにもたらす価値を最大化し、全体のエコシステム「健康」を改善するために厳密に必要である、と我々は主張する。 本稿では、これらの要素を包含する概念的枠組みを提案し、これらの異なる分野の交差点に現れる多くの研究課題を明確にする。
  論文  参考訳（メタデータ） (2023-09-08T03:20:58Z)
• A Survey on Fairness-aware Recommender Systems [59.23208133653637]
  本稿では,様々なレコメンデーションシナリオにおいてフェアネスの概念を提示し,現在の進歩を包括的に分類し,レコメンデーションシステムのさまざまな段階におけるフェアネスを促進するための典型的な手法を紹介する。 次に、フェアネスを意識したレコメンデーションシステムが実業界における産業応用に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-06-01T07:08:22Z)
• Multi-Objective Optimization for Value-Sensitive and Sustainable Basket Recommendations [0.0]
  持続可能な消費は、サービスや製品の使用による環境および社会的影響を最小限にすることを目的としている。 本稿では、消費者が個人的価値を尊重しながら購入の持続可能性を向上させることができるレコメンデーションシステムの価値感受性設計に焦点を当てる。
  論文  参考訳（メタデータ） (2021-11-10T21:00:40Z)
• Heterogeneous Demand Effects of Recommendation Strategies in a Mobile Application: Evidence from Econometric Models and Machine-Learning Instruments [73.7716728492574]
  本研究では,モバイルチャネルにおける様々なレコメンデーション戦略の有効性と,個々の製品に対する消費者の実用性と需要レベルに与える影響について検討する。 提案手法では, 有効性に有意な差が認められた。 我々は,ユーザ生成レビューのディープラーニングモデルに基づいて,製品分化(アイソレーション)をキャプチャする新しいエコノメトリ機器を開発した。
  論文  参考訳（メタデータ） (2021-02-20T22:58:54Z)
• Reinforcement Learning for Strategic Recommendations [32.73903761398027]
  ストラテジックレコメンデーション(SR)とは、知的エージェントがユーザのシーケンシャルな行動や活動を観察し、いつ、どのように相互作用するかを決めて、ユーザとビジネスの両方の長期的な目的を最適化する問題を指す。 Adobeリサーチでは、関心点の推薦、チュートリアルレコメンデーション、マルチメディア編集ソフトウェアにおける次のステップガイダンス、ライフタイムバリューの最適化のための広告レコメンデーションなど、さまざまなユースケースでこのようなシステムを実装してきました。 ユーザのシーケンシャルな振る舞いをモデル化したり、いつ介入するかを決め、ユーザに迷惑をかけずにレコメンデーションを提示したり、オフラインでポリシーを評価するなど、これらのシステム構築には多くの研究課題がある。
  論文  参考訳（メタデータ） (2020-09-15T20:45:48Z)
• Leveraging traditional ecological knowledge in ecosystem restoration projects utilizing machine learning [77.34726150561087]
  生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。 適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
  論文  参考訳（メタデータ） (2020-06-22T16:17:48Z)
• 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。