論文の概要: A Study on Enhancing User Engagement by Employing Gamified Recommender Systems
- arxiv url: http://arxiv.org/abs/2508.01265v1
- Date: Sat, 02 Aug 2025 08:49:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 14:21:50.347521
- Title: A Study on Enhancing User Engagement by Employing Gamified Recommender Systems
- Title（参考訳）: ゲーミフィケーションレコメンダシステムによるユーザエンゲージメント向上に関する研究
- Authors: Ali Fallahi, Azam Bastanfard, Amineh Amini, Hadi Saboohi,
- Abstract要約: ゲーミフィケーションは、個人がシステム上でより多くの活動を行う動機となる。
この研究は、様々なドメインアプリケーションにおけるユーザエンゲージメントを高めるためのゲーミフィケーションレコメンデーションシステムについて、包括的なレビューを提供する。
- 参考スコア（独自算出の注目度）: 7.330085696471743
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Providing customized products and services in the modern business world is one of the most efficient solutions to improve users' experience and their engagements with the industries. To aim, recommender systems, by producing personalized recommendations, have a crucial role in the digital age. As a consequence of modern improvements in the internet and online-based technologies, using gamification rules also increased in various fields. Recent studies showed that considering gamification concepts in implementing recommendation systems not only can become helpful to overcome the cold start and lack of sufficient data, moreover, can effectively improve user engagement. Gamification can motivate individuals to have more activities on the system; these interactions are valuable resources of data for recommender engines. Unlike the past related works about using gamified recommendation systems in different environments or studies that particularly surveyed gamification strategies or recommenders separately, this work provides a comprehensive review of how gamified recommender systems can enhance user engagement in various domain applications. Furthermore, comparing different approaches for building recommender systems is followed by in-depth surveying about investigating the gamified recommender systems, including their approaches, limitations, evaluation metrics, proposed achievements, datasets, domain areas, and their recommendation techniques. This exhaustive analysis provides a detailed picture of the topic's popularity, gaps, and unexplored regions. It is envisaged that the proposed research and introduced possible future directions would serve as a stepping stone for researchers interested in using gamified recommender systems for user satisfaction and engagement.
- Abstract（参考訳）: 現代のビジネス世界でカスタマイズされた製品やサービスを提供することは、ユーザエクスペリエンスと業界との関わりを改善するための最も効率的なソリューションの1つです。
ターゲットとして、パーソナライズされたレコメンデーションを作成することで、デジタル時代において重要な役割を担っている。
インターネットとオンラインベースの技術の近代的な改善の結果、様々な分野でゲーミフィケーションルールの利用も増加した。
近年の研究では、レコメンデーションシステムの実装におけるゲーミフィケーションの概念は、コールドスタートと十分なデータ不足を克服するだけでなく、ユーザのエンゲージメントを効果的に向上させることができることが示されている。
ゲーミフィケーションは、個人がシステム上でより多くの活動を行う動機となる。
特にゲーミフィケーション戦略やレコメンデーターを別々に調査した様々な環境や研究におけるゲーミフィケーションレコメンデーションシステムの利用に関する過去の研究とは異なり、この研究は、ゲーミフィケーションレコメンデーターシステムが様々なドメインアプリケーションにおけるユーザエンゲージメントを高める方法について、包括的なレビューを提供する。
さらに、レコメンデーションシステムを構築するためのさまざまなアプローチの比較に続いて、そのアプローチ、制限、評価指標、提案された成果、データセット、ドメイン領域、レコメンデーションテクニックなど、ゲーミフィケーションされたレコメンデーションシステムの調査に関する詳細な調査が行われる。
この徹底的な分析は、トピックの人気、ギャップ、探索されていない領域の詳細な図を提供する。
提案した研究と将来的な方向性が,ユーザ満足度とエンゲージメントのためにゲーミフィケーションされたレコメンデーションシステムの利用に関心を持つ研究者の足場となることが示唆された。
関連論文リスト
- A Survey on Intent-aware Recommender Systems [8.761638205244427]
推薦システムは、ある時点にサービスを利用するというユーザの意図を考慮に入れることを目的としている。
本稿では,次世代のIntent-Aware Recommender Systemsを構築するための既存のアプローチを調査し,分類する。
論文 参考訳（メタデータ） (2024-06-24T06:46:32Z) - 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) - RecRec: Algorithmic Recourse for Recommender Systems [41.97186998947909]
特定の予測やレコメンデーションを行う上で、すべての利害関係者がモデルの理論的根拠を理解することが不可欠です。
これは、リコメンデーションシステムに依存するコンテンツプロバイダにとって特に当てはまります。
本稿では,コンテンツ提供者を対象としたレコメンデーションシステムのためのレコメンデーションフレームワークを提案する。
論文 参考訳（メタデータ） (2023-08-28T22:26:50Z) - Impression-Aware Recommender Systems [53.48892326556546]
本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
本稿では,印象型レコメンデーションシステムと,印象型レコメンデーションシステムという,パーソナライズされたレコメンデーションのための新しいパラダイムを論じる。
論文 参考訳（メタデータ） (2023-08-15T16:16:02Z) - 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) - A Review on Pushing the Limits of Baseline Recommendation Systems with
the integration of Opinion Mining & Information Retrieval Techniques [0.0]
Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。
より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。
研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
論文 参考訳（メタデータ） (2022-05-03T22:13:33Z) - Knowledge Transfer via Pre-training for Recommendation: A Review and
Prospect [89.91745908462417]
実験による推薦システムに対する事前学習の利点を示す。
事前学習を伴うレコメンデータシステムの今後の研究に向けて,いくつかの将来的な方向性について論じる。
論文 参考訳（メタデータ） (2020-09-19T13:06:27Z) - 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) - Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
信頼できるレコメンデーションシステムを採用することが重要になります。
本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
論文 参考訳（メタデータ） (2020-04-08T02:11:55Z) - 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。
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。