論文の概要: Calibrated Recommendations: Survey and Future Directions

• arxiv url: http://arxiv.org/abs/2507.02643v1
• Date: Thu, 03 Jul 2025 14:08:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-04 15:37:16.3823
• Title: Calibrated Recommendations: Survey and Future Directions
• Title（参考訳）: Calibrated Recommendations: Survey and Future Directions
• Authors: Diego Corrêa da Silva, Dietmar Jannach,
• Abstract要約: キャリブレーションレコメンデーションの分野における最近の展開について調査する。 キャリブレーションに関する既存の技術的アプローチを概観するとともに,キャリブレーションの有効性に関する実証的および解析的研究の概要について述べる。
• 参考スコア（独自算出の注目度）: 7.72244880746496
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The idea of calibrated recommendations is that the properties of the items that are suggested to users should match the distribution of their individual past preferences. Calibration techniques are therefore helpful to ensure that the recommendations provided to a user are not limited to a certain subset of the user's interests. Over the past few years, we have observed an increasing number of research works that use calibration for different purposes, including questions of diversity, biases, and fairness. In this work, we provide a survey on the recent developments in the area of calibrated recommendations. We both review existing technical approaches for calibration and provide an overview on empirical and analytical studies on the effectiveness of calibration for different use cases. Furthermore, we discuss limitations and common challenges when implementing calibration in practice.
• Abstract（参考訳）: キャリブレーションされたレコメンデーションの考え方は、ユーザーに推奨されるアイテムの特性は、過去の好みの分布と一致すべきである。 キャリブレーション技術は、ユーザに提供されたレコメンデーションが、ユーザの関心事の特定のサブセットに制限されないようにするのに役立つ。 過去数年間、多様性、偏見、公平性の疑問など、さまざまな目的のために校正を利用する研究が増えているのを私たちは見てきた。 本研究では, キャリブレーション分野における最近の開発状況について調査する。 キャリブレーションに関する既存の技術的アプローチを概観し、異なるユースケースにおけるキャリブレーションの有効性に関する実証的および分析的研究の概要を述べる。 さらに,キャリブレーションを実践する際の限界や共通課題についても論じる。

関連論文リスト

• Rethinking Early Stopping: Refine, Then Calibrate [49.966899634962374]
  キャリブレーション・リファインメント分解の新規な変分定式化について述べる。 我々は,校正誤差と精錬誤差が訓練中に同時に最小化されないという理論的,実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-01-31T15:03:54Z)
• Optimizing Estimators of Squared Calibration Errors in Classification [2.3020018305241337]
  本稿では,2乗キャリブレーション誤差の推定器の比較と最適化を可能にする平均二乗誤差に基づくリスクを提案する。 キャリブレーション誤差を推定する際のトレーニングバリデーションテストパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:58:06Z)
• Calibration-Disentangled Learning and Relevance-Prioritized Reranking for Calibrated Sequential Recommendation [18.913912876509187]
  キャリブレーションされたレコメンデーションは、レコメンデーション内のカテゴリのパーソナライズされた比率を維持することを目的としている。 従来手法では、モデルトレーニング後のレコメンデーションをキャリブレーションするために、リグレードアルゴリズムを利用するのが一般的だった。 本稿では、シーケンシャルレコメンデーションのキャリブレーションのための新しいアプローチであるLeapRecを提案する。
  論文  参考訳（メタデータ） (2024-08-04T22:23:09Z)
• Beyond Static Calibration: The Impact of User Preference Dynamics on Calibrated Recommendation [3.324986723090369]
  推薦システムの校正は重要な性能基準である。 誤校正を緩和するための標準的な方法は、通常、ユーザの好みプロファイルが静的であると仮定する。 このアプローチは、校正されたように見えるが、実際にはユーザの真の嗜好を歪めているようなレコメンデーションに繋がる可能性があると推測する。
  論文  参考訳（メタデータ） (2024-05-16T16:33:34Z)
• Calibration by Distribution Matching: Trainable Kernel Calibration Metrics [56.629245030893685]
  カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。 これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。 決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-10-31T06:19:40Z)
• On Calibrating Semantic Segmentation Models: Analyses and An Algorithm [51.85289816613351]
  セマンティックセグメンテーションキャリブレーションの問題について検討する。 モデルキャパシティ、作物サイズ、マルチスケールテスト、予測精度はキャリブレーションに影響を及ぼす。 我々は、単純で統一的で効果的なアプローチ、すなわち選択的スケーリングを提案する。
  論文  参考訳（メタデータ） (2022-12-22T22:05:16Z)
• Classifier Calibration: How to assess and improve predicted class probabilities: a survey [10.587567878098444]
  適切に校正された分類器は、そのインスタンスワイド予測に関連する不確実性や信頼性のレベルを正しく定量化する。 これは、重要なアプリケーション、最適な意思決定、コストに敏感な分類、そしてある種の状況変化に不可欠である。
  論文  参考訳（メタデータ） (2021-12-20T03:50:55Z)
• Estimating Expected Calibration Errors [1.52292571922932]
  確率論的予測の不確実性は、モデルが人間の意思決定をサポートするために使用される場合、重要な問題である。 ほとんどのモデルは本質的に十分に校正されていないため、決定スコアは後続確率と一致しない。 我々は、$ECE$推定器の品質を定量化するための実証的な手順を構築し、それを使用して、異なる設定で実際にどの推定器を使用するべきかを決定する。
  論文  参考訳（メタデータ） (2021-09-08T08:00:23Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)

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。