論文の概要: User Modeling in Model-Driven Engineering: A Systematic Literature Review

• arxiv url: http://arxiv.org/abs/2412.15871v1
• Date: Fri, 20 Dec 2024 13:19:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-23 16:21:26.470655
• Title: User Modeling in Model-Driven Engineering: A Systematic Literature Review
• Title（参考訳）: モデル駆動工学におけるユーザモデリング: 体系的文献レビュー
• Authors: Aaron Conrardy, Alfredo Capozucca, Jordi Cabot,
• Abstract要約: 我々は,モデル駆動工学(MDE)アプローチにおけるユーザモデリングの既存提案を分析するために,体系的な文献レビューを実施している。 結果は、統一的で完全なユーザーモデリングの視点が欠如していることを示しています。 これにより、よりリッチなユーザインターフェースの実装が、ユーザ固有のニーズをよりサポートできるようになります。
• 参考スコア（独自算出の注目度）: 1.7450893625541586
• License:
• Abstract: In software applications, user models can be used to specify the profile of the typical users of the application, including personality traits, preferences, skills, etc. In theory, this would enable an adaptive application behavior that could lead to a better user experience. Nevertheless, user models do not seem to be part of standard modeling languages nor common in current model-driven engineering (MDE) approaches. In this paper, we conduct a systematic literature review to analyze existing proposals for user modeling in MDE and identify their limitations. The results showcase that there is a lack of a unified and complete user modeling perspective. Instead, we observe a lot of fragmented and partial proposals considering only simple user dimensions and with lack of proper tool support. This limits the implementation of richer user interfaces able to better support the user-specific needs. Therefore, we hope this analysis triggers a discussion on the importance of user models and their inclusion in MDE pipelines. Especially in a context where, thanks to the rise of AI techniques, personalization, based on a rich number of user dimensions, is becoming more and more of a possibility.
• Abstract（参考訳）: ソフトウェアアプリケーションでは、ユーザモデルを使用して、パーソナリティの特徴、好み、スキルなどを含む、アプリケーションの典型的なユーザのプロファイルを指定することができる。 理論的には、これによって適応的なアプリケーションの振る舞いが可能になり、より良いユーザーエクスペリエンスが得られます。 それでも、ユーザモデルは、標準モデリング言語の一部ではなく、現在のモデル駆動工学(MDE)アプローチにも共通しているように思える。 本稿では,MDEにおけるユーザモデリングの既存提案を解析し,その限界を明らかにするために,系統的な文献レビューを行う。 結果は、統一的で完全なユーザーモデリングの視点が欠如していることを示しています。 代わりに、単純なユーザ次元と適切なツールサポートの欠如を考慮して、多くの断片的で部分的な提案を観察します。 これにより、よりリッチなユーザインターフェースの実装が、ユーザ固有のニーズをよりサポートできるようになります。 したがって、この分析がユーザモデルの重要性とMDEパイプラインへの含意に関する議論を引き起こすことを願っている。 特に、AI技術の台頭により、多くのユーザー次元に基づくパーソナライゼーションがますます可能性が高まっている状況では、特にそうだ。

関連論文リスト

• Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
  SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。 本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。 適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T22:35:03Z)
• PEFT-U: Parameter-Efficient Fine-Tuning for User Personalization [9.594958534074074]
  ユーザパーソナライズのためのNLPモデルの構築と評価のための新しいデータセットであるPEFT-Uベンチマークを紹介する。 多様なユーザ中心タスクのコンテキストにおいて、LLMを効率よくパーソナライズし、ユーザ固有の嗜好に適合させるという課題について検討する。
  論文  参考訳（メタデータ） (2024-07-25T14:36:18Z)
• Interlinking User Stories and GUI Prototyping: A Semi-Automatic LLM-based Approach [55.762798168494726]
  グラフィカルユーザインタフェース(GUI)のプロトタイプにおいて,機能的NLベースの要求の実装を検証するための新しい言語モデル(LLM)ベースのアプローチを提案する。 提案手法は,GUIプロトタイプに実装されていない機能的ユーザストーリの検出と,要件を直接実装する適切なGUIコンポーネントのレコメンデーションを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-06-12T11:59:26Z)
• Towards Unified Multi-Modal Personalization: Large Vision-Language Models for Generative Recommendation and Beyond [87.1712108247199]
  我々の目標は、マルチモーダルパーソナライゼーションシステム(UniMP)のための統一パラダイムを確立することである。 我々は、幅広いパーソナライズされたニーズに対処できる汎用的でパーソナライズされた生成フレームワークを開発する。 我々の手法は、パーソナライズされたタスクのための基礎言語モデルの能力を高める。
  論文  参考訳（メタデータ） (2024-03-15T20:21:31Z)
• Personalized Language Modeling from Personalized Human Feedback [45.16986573937782]
  パーソナライズされた大規模言語モデル(LLM)は、個々のユーザの好みに応答するように設計されている。 個人の好みを捉えるために軽量なユーザモデルを利用する効率的なフレームワークであるPersonalized-RLHFを提案する。 P-RLHF を用いて学習したパーソナライズされた LLM は,個々のユーザの好みとより密に一致した応答を生成する。
  論文  参考訳（メタデータ） (2024-02-06T04:18:58Z)
• Earning Extra Performance from Restrictive Feedbacks [41.05874087063763]
  モデルチューニング問題の形式を記述するために,rerestriCTive feeddbacks (EXPECTED) から emphEarning eXtra PerformancE という課題を設定した。 モデルプロバイダの目標は、最終的にフィードバックを利用することで、ローカルユーザに対して満足のいくモデルを提供することです。 本稿では,パラメータ分布を探索し,モデルパラメータに関するモデル性能の幾何を特徴付けることを提案する。
  論文  参考訳（メタデータ） (2023-04-28T13:16:54Z)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• The Minority Matters: A Diversity-Promoting Collaborative Metric Learning Algorithm [154.47590401735323]
  CML(Collaborative Metric Learning)は、リコメンデーションシステムにおいて人気のある手法として最近登場した。 本稿では,ユーザが複数のカテゴリの関心を持つ,困難なシナリオに焦点をあてる。 textitDiversity-Promoting Collaborative Metric Learning (DPCML) と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-30T08:02:18Z)
• Modeling Proficiency with Implicit User Representations [18.4163404453651]
  ソーシャルメディアプラットフォーム上のユーザの投稿が与えられた場合、その課題は、ユーザーがある程度の熟練度を持つ投稿やトピックのサブセットを特定することである。 これにより、ユーザの熟練度に応じて、特定のトピックに関するソーシャルメディア投稿のフィルタリングとランク付けが可能になる。 本稿では,基本的なものから高度に調整されたユーザモデリングアプローチまで,5つの代替手法について検討する。
  論文  参考訳（メタデータ） (2021-10-15T11:15:17Z)
• Modeling User Behaviour in Research Paper Recommendation System [8.980876474818153]
  ディープシーケンシャルなトピック分析に基づくユーザ意図モデルを提案する。 モデルは、興味のあるトピックの観点から、ユーザの意図を予測する。 提案手法では,研究論文推薦システムの設計に適したユーザアクティビティをモデル化する新たなロードマップを提案する。
  論文  参考訳（メタデータ） (2021-07-16T11:31:03Z)

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。