論文の概要: Recommender systems, stigmergy, and the tyranny of popularity

• arxiv url: http://arxiv.org/abs/2506.06162v1
• Date: Fri, 06 Jun 2025 15:27:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-09 21:34:56.77522
• Title: Recommender systems, stigmergy, and the tyranny of popularity
• Title（参考訳）: レコメンダシステム、スティグマージ、人気の暴行
• Authors: Zackary Okun Dunivin, Paul E. Smaldino,
• Abstract要約: 本稿では,ユーザ固有のキャリブレーションを取り入れた検索プラットフォームを提案する。 私たちはプラットフォーム開発者に、単語の埋め込みとLLMを、ユーザの自律性を高める方法でどのように実装できるかをアドバイスします。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific recommender systems, such as Google Scholar and Web of Science, are essential tools for discovery. Search algorithms that power work through stigmergy, a collective intelligence mechanism that surfaces useful paths through repeated engagement. While generally effective, this ``rich-get-richer'' dynamic results in a small number of high-profile papers that dominate visibility. This essay argues argue that these algorithm over-reliance on popularity fosters intellectual homogeneity and exacerbates structural inequities, stifling innovative and diverse perspectives critical for scientific progress. We propose an overhaul of search platforms to incorporate user-specific calibration, allowing researchers to manually adjust the weights of factors like popularity, recency, and relevance. We also advise platform developers on how word embeddings and LLMs could be implemented in ways that increase user autonomy. While our suggestions are particularly pertinent to aligning recommender systems with scientific values, these ideas are broadly applicable to information access systems in general. Designing platforms that increase user autonomy is an important step toward more robust and dynamic information
• Abstract（参考訳）: Google ScholarやWeb of Scienceなどの科学推薦システムは、発見に不可欠なツールである。 スティグマージ(stigmergy)は、反復的なエンゲージメントを通じて有用な経路を探索する、集合的な知性メカニズムである。 一般的には効果があるが、この「リッチ・ゲット・リッチ・リチャーズ」のダイナミックな結果は、可視性に支配的な少数の著名な論文に繋がる。 このエッセイは、人気に対する過度な信頼が知的同質性を促進し、構造的不平等を悪化させ、科学的進歩に不可欠な革新的で多様な視点を損なうと主張している。 ユーザ固有の校正を取り入れた検索プラットフォームの改良を提案し、研究者は人気度、傾向、関連性などの要因を手動で調整できる。 また、私たちはプラットフォーム開発者に、単語の埋め込みとLLMを、ユーザの自律性を高める方法でどのように実装できるかをアドバイスします。 我々の提案は、特に推奨システムと科学的価値の整合に関係しているが、これらのアイデアは一般に情報アクセスシステムに適用可能である。 ユーザーの自律性を高めるプラットフォーム設計は、より堅牢でダイナミックな情報に向けた重要なステップである

関連論文リスト

• IRIS: Interactive Research Ideation System for Accelerating Scientific Discovery [27.218896203253987]
  IRISは、研究者が大規模言語モデル(LLM)を補助する科学的概念を活用するために設計されたオープンソースのプラットフォームである。 IRISは、モンテカルロ木探索(MCTS)による適応的なテスト時間計算拡張、きめ細かいフィードバック機構、クエリベースの文献合成など、アイデアを強化する革新的な機能を備えている。 我々は様々な分野の研究者とユーザスタディを行い、システムの有効性を検証し、アイデアの充実を図っている。
  論文  参考訳（メタデータ） (2025-04-23T14:01:36Z)
• A Socratic RAG Approach to Connect Natural Language Queries on Research Topics with Knowledge Organization Systems [0.3782392304044599]
  本稿では,研究トピックに関する自然言語クエリを機械で解釈可能なセマンティックエンティティにマッピングするRAG(Retrieval Augmented Generation)エージェントを提案する。 我々のアプローチは、RAGとソクラティック対話を組み合わせることで、ユーザの研究トピックに対する直感的な理解と、確立した知識組織システムとを整合させる。
  論文  参考訳（メタデータ） (2025-02-20T19:58:59Z)
• Interactive Counterfactual Exploration of Algorithmic Harms in Recommender Systems [3.990406494980651]
  本研究では,レコメンデーションシステムにおけるアルゴリズム的害の影響を理解し,探索するための対話型ツールを提案する。 視覚化、反事実的説明、インタラクティブなモジュールを活用することで、ユーザは誤校正などのバイアスがレコメンデーションにどのように影響するかを調査できる。
  論文  参考訳（メタデータ） (2024-09-10T23:58:27Z)
• 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)
• Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
  大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。 我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2023-07-05T06:03:40Z)
• PIE: Personalized Interest Exploration for Large-Scale Recommender Systems [0.0]
  これらの課題に対処するために,大規模レコメンデータシステムにおける探索のためのフレームワークを提案する。 我々の方法論は、最小限の修正で既存の大規模レコメンデータシステムに容易に統合できる。 私たちの仕事は、何十億ものユーザーを対象とする人気のビデオ発見および共有プラットフォームであるFacebook Watchで運用されている。
  論文  参考訳（メタデータ） (2023-04-13T22:25:09Z)

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。